生活分享
Open WebUI:給本機模型一個像 ChatGPT 的介面
Ollama 裝好之後,對話只留在終端機裡。Open WebUI 官方文件給一行 Docker 指令,把介面開在埠 3000:聊天記錄、多模型並排、上傳文件做 RAG、多人帳號都在裡面。這篇照官方文件走完 Docker 與 pip 兩種安裝、用 OLLAMA_BASE_URL 接上 11434 埠、建立第一個管理員帳號、做知識庫與提示詞範本、備份 volume,最後把 LICENSE 裡那條不能拿掉 Open WebUI 標示的條款照原文說清楚。
更新日期: 閱讀時間約 11 分鐘

Ollama 把模型跑起來以後,對話只活在終端機的畫面裡:關掉視窗就沒了,也沒辦法把檔案丟進去問、沒辦法換一個模型再問一次同樣的問題。Open WebUI 是一套自己架的網頁介面,官方 README 把它寫成「自架的 AI人工智慧(Artificial Intelligence)是什麼人工智慧是涵蓋多種技術與應用的總稱,不等於聊天機器人,也不必一定會產生文字。本文從 OECD 的系統定義出發,以照片分類和社區資源推薦為例,說明輸入、推導、輸出與人的目標如何連結,整理它與機器學習、深度學習和生成式 AI 的關係。讀完能用具體問題判斷一項 AI 功能在做什麼,並分辨能力、自治程度與可信度。閱讀全文 平台」,支援 Ollama 與任何 OpenAI 相容 API,一行 Docker 指令就能在瀏覽器裡得到聊天記錄、多模型切換、檔案上傳與多人帳號。
這篇照官方文件走完六件事:用 Docker 或 pip 裝起來、接上本機的 Ollama、建立第一個管理員帳號、把文件放進知識庫、把常用指示存成提示詞範本、更新與備份。最後一節談授權,因為 Open WebUI 的授權條款裡有一條品牌標示條款,人數超過門檻就不能把「Open WebUI」的標示拿掉,自架之前值得先看清楚。介面步驟依官方文件描述,實際畫面以官網當天版本為準。
Open WebUI 是什麼:只有介面,模型要自己接
官方快速開始有一句話講得很直白:Open WebUI 本身沒有任何模型,它是一層介面與工具,模型要從連線設定裡接進來。官網首頁把它定位成自架的 AI 介面,強調可以完全離線執行、裝起來不需要帳號。換句話說,它跟 Ollama 不是二選一,而是疊在 Ollama 上面的那一層。
官方 README 的功能清單很長,對一般使用者最有感的是這幾項:
- 多模型對話:同一個問題同時送給兩個以上的模型,回答並排顯示,可以當場比較。
- 本機 RAG:上傳文件後由檢索增強生成回答,支援混合檢索(BM25 加向量)與重新排序,README 逐一列出 9 種向量資料庫。
- 權限與群組:管理員可以設定角色、群組與細部權限,每個人看到的東西不一樣。
- 提示詞範本、模型預設、筆記、網頁搜尋、語音與視訊對話、用量統計。
安裝:Docker 一行指令,或 pip 裝進 Python
官方快速開始把 Docker 列為正式支援、也是多數人建議走的方式。文件要你先用 openssl rand -hex 32 產生一組祕鑰填進 WEBUI_SECRET_KEY,再執行下面這一行;它會自動拉映像檔並啟動。
docker run -d -p 3000:8080 \
--add-host=host.docker.internal:host-gateway \
-v open-webui:/app/backend/data \
-e WEBUI_SECRET_KEY=your-secret-key \
--name open-webui --restart always \
ghcr.io/open-webui/open-webui:main文件對每個旗標都給了一句說明:-p 3000:8080 是把容器內部的 8080 對應到你這台機器的埠 3000,3000 被占用就改左邊那個數字;-v open-webui:/app/backend/data 是對話、使用者與設定存放的 volume,文件寫「絕對不要不帶它執行」;--add-host 讓容器連得到跑在你機器上的 Ollama;WEBUI_SECRET_KEY 沒有固定下來的話,每次重建容器都會換一把新鑰匙,所有人都會被登出。
services:
open-webui:
image: ghcr.io/open-webui/open-webui:main
ports:
- "3000:8080"
volumes:
- open-webui:/app/backend/data
extra_hosts:
- host.docker.internal:host-gateway
environment:
- WEBUI_SECRET_KEY=your-secret-key
restart: unless-stopped
volumes:
open-webui:存成 docker-compose.yml 之後執行 docker compose up -d。文件特別提醒要用 Docker Compose 第二版,也就是中間有空格的 docker compose;舊教學裡帶連字號的 docker-compose 是第一版語法。
不想碰容器,官方也提供 pip 安裝,但要先看 Python 版本:文件寫 Open WebUI 支援 Python 3.11 與 3.12,3.13 還不支援,正式使用建議用最新的 3.11。
pip install open-webui
open-webui servepip 這條路啟動後介面在埠 8080,跟 Docker 的 3000 不一樣。文件說用 open-webui serve 啟動時 PORT 環境變數不生效,要換埠得加 --port 參數模型參數(Model Parameters)是什麼模型參數是訓練時調整、用來把輸入轉成輸出的數值,例如權重與偏差。本文用簡單算式示例說明參數如何影響預測,區分模型參數、訓練超參數、提示詞與生成設定,並解釋參數量、數值精度和啟用參數為何是不同指標。讀完能更準確閱讀模型規格,理解參數增加不等於知識逐條增加,也不代表每次聊天都在重新訓練模型。閱讀全文,例如 open-webui serve --port 9999。資料位置用 DATA_DIR 指定,環境變數說明頁寫它的預設值是 ./data,上傳檔案、快取與向量資料庫向量資料庫(Vector Database):相似內容怎麼存、怎麼找向量資料庫負責儲存向量並搜尋相近內容,常與原文識別碼、標籤和權限條件一起使用。本文用社團器材借用紀錄說明查詢流程、精確搜尋與近似搜尋的取捨,以及為什麼找不到結果可能源自篩選或索引設定。也區分向量索引、一般資料庫擴充與 RAG,帶讀者用可追查的問題檢查資料更新、刪除和檢索品質。閱讀全文都放在底下。
Ollama 入門:Windows、Mac 安裝與第一個模型Ollama 入門:Windows、Mac 安裝與第一個模型Ollama 是在自己電腦跑本機 AI 的入門工具,官網下載頁寫 macOS 要 14 Sonoma 或更新版本、Windows 要 10 或更新版本。這篇照官方文件走完安裝、第一次對話、看懂模型庫的標籤與大小、用 ollama ps 確認模型跑在顯示卡還是 CPU,再從 curl 與 Python 呼叫本機 11434 埠的 API,最後說清楚結尾帶 cloud 的標籤是雲端模型、怎麼關掉。閱讀全文
接上 Ollama:埠 11434 與 OLLAMA_BASE_URL
Ollama 的 API 在埠 11434。官方文件說 Open WebUI 裝好啟動後會自動去找 Ollama:從 Docker 裡找的是 host.docker.internal 的 11434 埠,上面那個 --add-host 就是為了這件事;用 pip 跑則是 localhost 的 11434 埠。接上之後,在頭像選單的 Settings → Admin → Connections 裡可以看到 Manage Ollama API Connections 這一區,身為管理員,在新對話的模型選單直接打模型名稱、確認下載,就會叫 Ollama 去拉。
Ollama 跑在另一台機器上,就用 OLLAMA_BASE_URL 指過去。環境變數說明頁寫它的預設值是 localhost 的 11434 埠,在 Docker 裡的預設值改成 host.docker.internal 的同一個埠。文件也提醒:Open WebUI 在 Docker 裡、Ollama 在主機上時,Ollama 那邊要監聽 0.0.0.0,模型清單才不會是空的。
docker run -d -p 3000:8080 \
-e OLLAMA_BASE_URL=https://example.com \
-v open-webui:/app/backend/data \
-e WEBUI_SECRET_KEY=your-secret-key \
--name open-webui --restart always \
ghcr.io/open-webui/open-webui:mainAPI 服務商的模型走另一條路:同一頁的 Manage OpenAI API Connections 按加號,填服務商的網址與金鑰後存檔,模型就會自動列出來。文件說 Open WebUI 是協定導向的,只實作 OpenAI Chat Completions 這類通用協定,不替個別服務商寫專用模組;有些服務商沒有 /models 端點,加連線時驗證會失敗,但對話仍然可用,只要手動把模型代號加進 Model IDs 允許清單。反過來,Open WebUI 自己也對外開一個 OpenAI 相容端點 /api/chat/completions,金鑰在 Settings → Account 產生,可以讓其他程式接進來。
在自己電腦跑 DeepSeek:Ollama 蒸餾版教學在自己電腦跑 DeepSeek:Ollama 蒸餾版教學Ollama 官網目前列出 deepseek-r1 的 1.5b、7b、8b、14b、32b、70b 與 671b 七個標籤,下載大小從 1.1GB 到 404GB。這篇用官方文件帶你在 Windows 或 Mac 裝好 Ollama、拉一個蒸餾版開始對話,再接一次本機 11434 埠的 API 呼叫,並說清楚蒸餾與量化是什麼、蒸餾版和網頁版完整模型差在哪、MIT 授權實際允許什麼。閱讀全文
閱讀完整文字說明
由左往右的架構圖。最左邊是瀏覽器,介面開在埠 3000,使用者在這裡聊天、上傳檔案、比較模型;左下角另有一塊說明第一次登入:第一個帳號就是管理員,之後註冊自動關閉,新帳號預設是 pending 待核准。中間是 Open WebUI 本身,容器內部埠是 8080,裡面包含聊天記錄與多模型並排、知識庫與 RAG 檢索、提示詞範本與模型預設、使用者與權限 admin、user、pending 四個部分。右邊是模型來源:上方是本機 Ollama,API 在埠 11434,另一台機器用 OLLAMA_BASE_URL 指過去;下方是 OpenAI 相容 API,填網址與金鑰,服務商沒有 models 端點時手動加模型代號。中間往下連到資料 volume,路徑是 open-webui 冒號斜線 app 斜線 backend 斜線 data,對話、使用者、設定與上傳檔案都存在這裡。左下說明更新只換映像檔、volume 留著,更新前先把 volume 打包備份;右下說明授權:50 人以上不可移除 Open WebUI 標示,門檻算的是任一連續 30 天內可直接使用的人數。
第一次登入:第一個帳號就是管理員
瀏覽器打開埠 3000,第一個畫面寫著 Get started with Open WebUI,按下 Create Admin Account。官方文件講得很清楚:第一個帳號就是管理員,管使用者也管全站設定,而這組帳號跟其他資料一樣留在你自己的 volume 裡。管理員密碼弄丟會鎖住全站設定,文件另外有一頁講怎麼重設,先把密碼記好比較省事。
- 開瀏覽器到埠 3000,等到容器日誌出現 Application startup complete。
- 在第一個畫面按 Create Admin Account,填 email 與密碼。
- 到 Settings → Admin → Connections 確認 Ollama 連線,或加一條 OpenAI 相容連線。
- 要讓別人加入,到 Settings → Admin → Authentication 打開 New Sign Ups。
- 新帳號會停在 Pending,回 Admin Panel 的 Users 頁核准。
Open WebUI 定義三種系統角色:admin 是超級使用者,預設繞過大部分權限檢查;user 是一般成員,能做什麼完全看全域預設權限與群組給了什麼;pending 是新註冊的預設狀態,在管理員核准前什麼都看不到、什麼都不能做。新帳號拿到哪一種由 DEFAULT_USER_ROLE 決定,文件寫預設值就是 pending,對開放給別人用的站台來說這是建議值。角色一改,那個帳號的連線會馬上被切斷。
在 VPS 上自架 AI 服務:Ollama+Open WebUI在 VPS 上自架 AI 服務:Ollama+Open WebUI自架 AI 只要一台 Linux VPS:把 Ollama 與 Open WebUI 架成自己或小團隊專用的服務,Ollama 用官方腳本裝成服務,Open WebUI 用 Docker 跑起來只綁 127.0.0.1,前面用 Caddy 或 Nginx 開 HTTPS。這篇照官方文件寫指令、環境變數、反向代理、關閉註冊與防火牆,說明為什麼 11434 埠不能對外,並交代備份、更新與費用。閱讀全文
把文件丟進去:知識庫、# 指令與引用
Open WebUI 的文件功能分兩種用法。臨時問一份檔案,直接把它拖進對話框;會重複用到的就建成知識庫:側邊欄點 Workspace,選 Knowledge,按 Create 取名字與說明,然後上傳檔案。之後在任何對話裡打一個井字號,就能從跳出來的清單挑知識庫或單一檔案;也可以到 Workspace → Models → Edit 把知識庫綁死在某個模型上,用那個模型時不必每次重挑。
附件有兩種檢索模式,點一下已附加的項目就能切換。預設是 Focused Retrieval,用檢索增強生成只撈出跟問題相關的片段,適合大量文件;Full Context 則是把整份文件一字不漏塞進每一次訊息,適合短的參考文件或風格指南。模型預設裡還有一個 Citations 開關,文件寫它預設開啟,回答會把知識庫、網頁搜尋與內建工具找到的來源列出來。
檢索增強生成(RAG)是什麼:讓回答附上可查的依據檢索增強生成(RAG)是什麼:讓回答附上可查的依據檢索增強生成會先從外部資料找出相關內容,再交給語言模型組織回答。本文以活動報名規章的問答為例,拆解建索引、檢索、生成與來源核對,說明它和搜尋、微調的差別,也解釋為什麼有引用仍可能答錯。讀完能判斷問題出在資料未更新、文件沒找齊,還是模型把證據解讀過頭,並知道什麼情況應保留不知道的答案。閱讀全文
本機 RAG:跟自己的文件聊天本機 RAG:跟自己的文件聊天把 PDF、Word 與純文字交給本機模型,靠檢索找出相關片段再回答,檔案不用上傳到雲端。這篇照官方文件走三條路:Open WebUI 的知識庫、LM Studio 直接把檔案拖進對話,以及用 Ollama 的嵌入 API 寫一支最小的 RAG 腳本;分段大小、重疊與取幾段只抄官方文件列出的數字,最後說清楚表格、掃描版 PDF 與上下文視窗這三個限制。閱讀全文
提示詞範本與模型預設:把重複的指示存起來
同一段指示打第三次就該存起來。到 Workspace → Prompts 按 Create,填名稱、斜線指令(例如 /summarize)與提示詞內容,之後在任何對話打那個斜線指令就整段帶入。提示詞裡可以放變數:{{CURRENT_DATE}}、{{USER_NAME}} 這類系統變數在執行時自動代換;自訂變數則會在送出前跳出一張表單,欄位可以是文字、下拉選單、日期或數字,非技術的同事也能用。每次修改都會留版本,可以比對也可以退回舊版。
Workspace → Models 是更上一層:挑一個基礎模型,綁上系統提示詞、知識庫、工具與參數,存成一個預設,等於一個專用助理。文件提醒系統提示詞是指示不是保證,模型聽不聽話跟基礎模型、服務商的對話樣板與整段上下文都有關;同一份提示詞在別的模型上照樣有效,就不是提示詞格式的問題。
系統提示詞(System Prompt)是什麼:設定助理的工作規則系統提示詞(System Prompt)是什麼:設定助理的工作規則系統提示詞是應用程式用來設定模型角色、工作範圍與回覆要求的一層指示,不是能保證模型服從的魔法文字。本文用社團活動客服的情境,說明固定規則、當次問題與參考文件怎麼分開,如何處理資訊缺漏與衝突,以及為什麼權限控制仍須由程式執行。附規則改寫與測試方法,幫你判斷自訂助理是否真的符合預期。閱讀全文
| 功能 | 在哪裡設定 | 備註 |
|---|---|---|
| 連 Ollama | Settings → Admin → Connections | 預設自動偵測 11434 埠;另一台機器用 OLLAMA_BASE_URL 指過去 |
| 連 OpenAI 相容 API | 同上,Manage OpenAI API Connections | 填網址與金鑰;沒有 /models 端點的服務商要手動加 Model IDs |
| 開放註冊 | Settings → Admin → Authentication | 管理員建好後自動關閉;新帳號預設角色 pending |
| 核准與調整角色 | Admin Panel → Users | 三種角色:admin、user、pending |
| 知識庫 | Workspace → Knowledge | 上傳後在對話打井字號引用,可綁到模型;預設 Focused Retrieval |
| 提示詞範本 | Workspace → Prompts | 存成斜線指令,支援系統變數與表單欄位,有版本記錄 |
| 模型預設 | Workspace → Models | 綁系統提示詞、知識庫、工具與參數,可設定誰能用 |
| 多模型並排 | 模型選單的 Compare | 權限在 Admin Panel → Users → Groups 裡開關 |
| 備份與還原 | 主機上的 open-webui volume | 官方更新指南給了 tar 打包與還原指令 |
更新與備份:資料不在容器裡
官方更新指南第一句話就是重點:你的資料(對話、使用者、設定、上傳的檔案)在 volume 或資料庫裡,不在容器裡,更新就是把容器換成新的映像檔,資料原封不動。手動更新是三步:docker rm -f 砍掉容器、docker pull 拉新映像檔、再用原來那一行把容器跑起來。用 Compose 就是 docker compose pull 加 docker compose up -d,pip 版本是 pip install -U open-webui 再重新 open-webui serve。
更新前先備份。官方更新指南給的做法是開一個臨時的 alpine 容器,把整個 volume 打包成 tar.gz:
docker run --rm -v open-webui:/data -v $(pwd):/backup \
alpine tar czf /backup/openwebui-$(date +%Y%m%d).tar.gz /data文件建議每次更新前備份一次,平常也照使用頻率定期備份。還原是先停掉容器,清空 volume 再解開備份檔,所以還原指令會刪掉 volume 裡的東西,執行前要確認拿的是對的檔案。另外文件提醒資料庫遷移是單向的:升級跑過遷移之後,把容器換回舊版本並不會把資料庫改回去,舊版本不一定讀得懂新的結構,那時候只能靠更新前的備份。想要穩定一點,就別用會一直往前滾的 main 標籤,改釘一個版本號。
授權:可以自由改,但別把 Open WebUI 的標示拿掉
Open WebUI 的 LICENSE 檔名稱就叫 Open WebUI License。前三條是 BSD 三條款的標準文字:原始碼散布要保留著作權聲明、二進位散布也要在文件裡附上、不得用著作權人或貢獻者的名義為衍生產品背書。真正要看的是第四條。
第四條寫明,作為本授權所授予權利的實質條件,被授權人嚴格禁止更動、移除、遮蔽或替換任何 Open WebUI 的品牌標示,包含名稱、標誌,以及任何可辨識這套軟體與其介面的視覺、文字或象徵性識別,除非符合三種情況之一:在任一連續 30 天內,可直接使用這套應用的自然人總數不超過 50 人;事先取得著作權人的書面許可;或取得明確允許修改標示的企業授權。不符合又把標示拿掉,條款直接寫成重大違約。
官方授權說明頁補上時間線與退路:這條品牌條款從 v0.6.6 開始生效,日期是 2025 年 4 月 19 日;v0.6.5 以前併入的程式碼仍然是 BSD-3-Clause,想要完全沒有限制的人可以從 v0.6.5 分支出去自己走。說明頁也直接寫了門檻的另一面:50 人以下的自架內部部署,要完全換成自己的品牌是可以的。一般人在家裡或小團隊自架,照原樣用就不會踩到這條。
為什麼要在自己電腦跑 AI:隱私、離線與成本為什麼要在自己電腦跑 AI:隱私、離線與成本本機 AI 換到三件事:資料不出電腦、模型下載後可離線使用、沒有月費;代價是硬體、速度與品質落差,還要自己維護。這篇整理 Ollama、LM Studio、Open WebUI 官方文件對「資料不會離開你的電腦」與離線條件的原文,用官方模型卡的評測數字說明小模型與旗艦的差距,並列出敏感文件摘要、離線翻譯、程式補全、批量處理適合本機,以及哪三種情況該留在雲端。閱讀全文
ChatGPT 新手入門:註冊、免費與付費差別、第一個對話ChatGPT 新手入門:註冊、免費與付費差別、第一個對話第一次打開 ChatGPT 這個聊天 AI 該做什麼?這篇依 OpenAI 官網 2026 年 9 月說明,帶你用 Email 或 Google、Apple、Microsoft 帳號註冊,弄懂 13 歲門檻、免費版每天 3 個檔案的限制、入門方案 ChatGPT Go 的美國定價,認識新對話、模型、附件、語音與暫時對話,並示範一個台灣生活情境的提問與追問,附免費版與 Go 比較表和該關的隱私設定。閱讀全文
同主題延伸閱讀
生活分享
Claude Code、Codex 搭本機模型:兩種接法怎麼選
Claude Code 與 Codex 搭配本機模型有兩種接法:代理照常連雲端、把大量雜務交給腳本或 MCP 工具去問本機模型,或是把代理的模型整個換成本機模型。這篇用資料能不能出門、上下文開得夠不夠長、工作的類型三個問題幫你選,並對照 Ollama、LM Studio、Anthropic 與 OpenAI 的官方文件,分清楚本機權重、Ollama 的 cloud 標籤與供應商端點是三種不同的東西。
生活分享
把本機模型包成 MCP 工具,Claude Code 與 Codex 共用一支伺服器
用官方 Python SDK 寫一支 stdio 的 MCP 伺服器,把本機的 Ollama 模型包成工具,Claude Code 與 Codex 就能共用:工具只收 inbox 底下的路徑,只回分類結果與結果檔路徑,不回信件原文。文中列出兩邊的登記指令、逾時與輸出上限的官方預設值,以及換成別家本機模型只改環境變數 LOCAL_MODEL 的做法,步驟都來自官方文件。
生活分享
把 Claude Code、Codex 整個換成本機模型:Ollama 與 LM Studio 設定與還原
Ollama、LM Studio 與 Codex 的文件寫了把 Claude Code、Codex 整個換成本機模型的接法:Ollama 用 ollama launch 一行指令或手動設定,LM Studio 先開本機伺服器再設環境變數或加 --oss。這篇把四種組合的指令、兩家文件建議的上下文長度、Claude Code 用 /status 確認連到誰的方法,以及用完怎麼還原整理在一起;需要先裝好 Ollama 或 LM Studio,並且已有 Claude Code 或 Codex。
生活分享
Claude Code、Codex 搭本機模型的注意事項:開工前的檢查清單
Claude Code 或 Codex 搭本機模型之前,先照一張表逐項核對:代理讀不讀得到原始檔、現在連的是誰、標籤是不是 :cloud、上下文實際開多長、逾時與輸出量、怎麼驗收。每一項寫怎麼檢查,並指出詳見同組哪一篇,另外收進供應商端點、條款與授權、繁體中文用字檢查;檢查方法取自 Anthropic、OpenAI、Ollama 與 DeepSeek 的官方文件。
引用本文的文章
最新旅遊情報攻略

情報
2026 韓國楓葉預測:雪嶽山 10 月 20 日、首爾近郊 10 月底、內藏山與漢拏山 11 月上旬
韓國山林廳 2026 年 9 月 22 日公布的楓紅高峰預測:雪嶽山 10 月 20 日,春川、國立樹木園到首爾植物園落在 10 月 28 日到 11 月 2 日,內藏山 11 月 4 日、漢拏山 11 月 6 日,整體比最近 5 年晚約 0.8 天。整理各地楓樹與銀杏的預測日、首爾出發怎麼排,以及出發前去哪裡看即時楓況。2026 年 10 月查證。
- 季節活動
- 自然
- 觀景

攻略胡志明市
胡志明市到頭頓一日遊:白藤碼頭搭高速船、船票與班次,下船就是胡梅纜車與耶穌基督像
人在胡志明市挪一天去頭頓看海:市中心的白藤高速船碼頭搭船,航程 120 分鐘到頭頓的胡梅碼頭,平日成人 320,000 越南盾、週末 350,000,回程末班平日 15:00。下船就是胡梅纜車站,同一條路上有白宮,小山頂上是耶穌基督像。平日一天只有兩班船,整天要從末班船倒推著排。
- 交通
- 行程範例
- 海灘

攻略沖繩
沖繩不開車攻略:單軌只到浦添,美麗海水族館要坐兩個多小時的巴士,回那霸的最後一班直達車 17:22 就開走
不租車的沖繩怎麼移動:那霸市區靠沖繩都市單軌電車(ゆいレール),那霸機場站到終點てだこ浦西 19 站、17 公里、37 分鐘,一日券 1,000 日圓;美麗海水族館有那霸機場直達的高速巴士,單程 2,000 日圓起、官方時刻表上 2 小時上下,下車後還要走 10 分鐘;古宇利島要在今帰仁村役場轉車,當天來回光坐車就六個半小時;回程的最後一班直達車 17:22 就從記念公園前開走(2026 年 9 月查證)。
- 交通
- 行程範例
- 預算
資料來源
- Open WebUI 官方文件:快速開始(安裝指令、埠、第一個管理員帳號) · 查證日期:
- Open WebUI 官方文件:環境變數說明(OLLAMA_BASE_URL、WEBUI_AUTH、DATA_DIR 等) · 查證日期:
- Open WebUI 官方文件:連接 Ollama · 查證日期:
- Open WebUI 官方文件:連接 OpenAI 相容 API 與本機伺服器 · 查證日期:
- Open WebUI 官方文件:知識庫(Knowledge) · 查證日期:
- Open WebUI 官方文件:檢索增強生成(RAG) · 查證日期:
- Open WebUI 官方文件:提示詞範本(Prompts) · 查證日期:
- Open WebUI 官方文件:模型預設(Models) · 查證日期:
- Open WebUI 官方文件:使用者角色(Roles) · 查證日期:
- Open WebUI 官方文件:多模型對話(Multi-Model Chats) · 查證日期:
- Open WebUI 官方文件:更新與備份還原 · 查證日期:
- Open WebUI 官方文件:API 端點(OpenAI 相容端點與金鑰) · 查證日期:
- Open WebUI 官方文件:授權說明頁 · 查證日期:
- GitHub open-webui/open-webui:LICENSE 原文 · 查證日期:
- GitHub open-webui/open-webui:README(功能清單與安裝方式) · 查證日期:
- Open WebUI 官方網站首頁 · 查證日期: