What is Open WebUI used for?

Open WebUI is a self-hosted interface for large language models. It lets you chat with local or cloud models, build RAG workflows with your documents, and manage prompts and teams in one place.

How do I use Open WebUI with Ollama?

Install Ollama, pull a model like `llama3` or `mistral`, and then point Open WebUI’s Ollama connection to `http://localhost:11434`. You can set a default model and start chatting locally with full privacy.

Can Open WebUI do RAG with my PDFs and notes?

Yes. Create a knowledge base, upload documents, generate embeddings, and enable retrieval in chat. The model will cite and summarize from your own sources for grounded answers.

Is Open WebUI secure for teams?

You can enforce sign-in, manage API keys by role, and set rate limits. For production, use HTTPS behind a reverse proxy and restrict which providers or endpoints are allowed.

Should I use local or cloud models in Open WebUI?

Use local models for privacy, speed, and cost control; use cloud models for complex tasks requiring higher quality. Many teams combine both and set chat-specific defaults.

Jak používat Open WebUI: Přátelský průvodce krok za krokem pro rychlejší pracovní postupy AI

Pokud jste si někdy přáli, aby měl ChatGPT přizpůsobitelné, self-hosted dvojče, které byste mohli propojit s vlastními modely a daty, Open WebUI je přesně to. Je to moderní, nenáročné rozhraní pro chatování s lokálními nebo vzdálenými velkými jazykovými modely (LLM), správu promptů, vytváření pracovních postupů RAG (Retrieval-Augmented Generation) a spolupráci se členy týmu – to vše z vašeho prohlížeče.

V tomto praktickém průvodci orientovaném na řešení si krok za krokem projdeme, jak používat Open WebUI: možnosti nastavení, připojení k Ollama nebo API, správu modelů, vytváření toků načítání, zabezpečení instance a několik tipů pro profesionály. Na konci budete moci spouštět výkonné pracovní postupy AI podle vlastních podmínek – rychle.

Co je Open WebUI (a proč ho používat)?

Open WebUI je webové rozhraní pro LLM, které si můžete sami hostovat. Představte si ho jako velitelské centrum pro vaše interakce s AI – přineste si vlastní modely (lokální nebo cloudové), vytvářejte opakovaně použitelné prompty, přidejte své dokumenty a spolupracujte prostřednictvím čistého a intuitivního uživatelského rozhraní. Je obzvláště populární mezi vývojáři, datovými týmy a uživateli, kterým záleží na soukromí a kteří chtějí mít kontrolu, rozšiřitelnost a rychlost.

Hlavní důvody, proč si lidé vybírají Open WebUI:

Vlastnictví dat: Spouštějte lokálně nebo na svém serveru.

Flexibilní back-endy: Připojte se k lokálním enginům, jako je Ollama, nebo ke vzdáleným poskytovatelům prostřednictvím API.

Pracovní postupy připravené k použití: RAG, nástroje, embeddingy a strukturované prompty.

Administrativní kontroly: Správa API klíčů, autentizace a konfigurace prostředí.

Nejrychlejší způsob, jak začít: Rychlý start s Dockerem

Pokud vám Docker nevadí, můžete být připraveni k provozu během několika minut.

Stáhněte image

docker pull ghcr.io/open-webui/open-webui:main

Spusťte kontejner

docker run -d --name open-webui -p 3000:8080 ghcr.io/open-webui/open-webui:main

Otevřete prohlížeč a navštivte

Dostanete se do uživatelského rozhraní, vytvoříte si účet správce a můžete se připojit k modelům.

Tip: Pro trvalé úložiště a proměnné prostředí (jako jsou omezení klíčů API a autentizace) přepněte na docker-compose.yml, abyste mohli čistě připojit svazky a definovat konfiguraci.

Připojení k modelům: Lokální (Ollama) nebo cloudová API

Open WebUI je agnostický k back-endu. Můžete:

Použít Ollama ke spouštění modelů lokálně (např. Llama 3, Phi-3, Mistral). To je skvělé pro soukromí a práci offline.

Použít cloudová API, jako jsou OpenAI, Anthropic, Google nebo jiné, prostřednictvím API klíčů.

Možnost A: Používání Ollama lokálně

Nainstalujte si Ollama (macOS, Linux, Windows)

Navštivte ` pro instalaci.

Stáhněte model pomocí Ollama

ollama pull llama3

Můžete nahradit llama3 modely jako mistral, phi3 nebo llama3:instruct v závislosti na vašich potřebách.

Spusťte Open WebUI

Ujistěte se, že Open WebUI může dosáhnout na lokální endpoint Ollama (obvykle `).

V Open WebUI přejděte do Admin Settings → Connections → Ollama

Přidejte endpoint, vyberte výchozí model(y) a otestujte připojení.

Nyní můžete chatovat s lokálními modely přímo v prohlížeči.

Možnost B: Používání cloudových poskytovatelů prostřednictvím API klíčů

V Admin Settings → Providers (nebo API/Keys)

Přidejte klíče pro OpenAI, Anthropic nebo Google.

Vyberte výchozí model pro každého poskytovatele

Například: gpt-4o-mini (OpenAI), claude‑3‑haiku (Anthropic) nebo gemini‑1.5‑flash (Google).

Nastavte limity

Vynucujte limity rychlosti, rozsahy použití nebo klíče pro jednotlivé uživatele v závislosti na nastavení vašeho týmu.

Tento hybridní přístup (lokální + cloud) je běžný: rychlé návrhy na lokálních modelech, poté upřesnění pomocí cloudového modelu, když je to potřeba.

Váš první chat: Prompty, režimy a přílohy

Jakmile je model připojen, zahajte nový chat. Několik základních informací:

Šablony promptů: Ukládejte často používané instrukce (systémové prompty) jako „Jste můj Python tutor – vysvětlujte s příklady a testy.“

Režimy: Přepínejte mezi kreativními, stručnými nebo technickými styly úpravou systémových promptů nebo teploty.

Přílohy: Nahrajte soubory (PDF, TXT, CSV), na které se má model odkazovat. Pro velké nebo opakující se soubory vytvořte znalostní bázi s embeddingy (viz RAG níže).

Tip pro profesionály: Uspořádejte chaty podle projektu. Používejte tagy jako #docs, #code nebo #analysis, aby budoucí vy snadno našli to, co potřebujete.

Vytvořte RAG během několika minut: Znalosti, embeddingy a vyhledávání

RAG (Retrieval‑Augmented Generation) umožňuje vašemu modelu odpovídat na otázky pomocí vašeho obsahu (dokumenty, poznámky, zásady, kód). Zde je návod, jak to dát dohromady:

Vytvořte znalostní bázi (KB)

V postranním panelu vytvořte novou KB nebo „Collections“ (sbírky).

Nahrajte dokumenty: PDF, markdown, HTML nebo textové soubory.

Generujte embeddingy

Vyberte back-end pro embeddingy (lokální přes Ollama, pokud máte model pro embeddingy, nebo cloudového poskytovatele prostřednictvím API).

Indexujte své dokumenty; větší sady mohou trvat několik minut.

Povolte načítání v chatu

V chatu přepněte načítání a vyberte svou KB.

Zeptejte se na otázky jako „Shrňte naše zásady onboardingu a uveďte akční body“ nebo „Jaké výjimky povolujeme v bezpečnostní politice?“

Opakujte

Zkontrolujte zdroje, vylepšete své dokumenty, upravte velikost bloků a znovu vložte, pokud se vám odpovědi zdají mimo.

Tip pro profesionály: Udržujte samostatné KB pro přesnost (např. „Marketingové texty“, „Právní zásady“, „Provozní příručky“). To snižuje irelevantní načítání.

Akce, nástroje a pracovní postupy

Open WebUI podporuje interakce řízené nástroji, takže model může „dělat věci“, nejen chatovat. V závislosti na vašem nastavení můžete:

Volat funkce/nástroje, které definujete (např. spustit skript, načíst URL, dotazovat databázi).

Používat pracovní postupy systémových promptů ke strukturování vícekrokových úloh.

Přidávat pluginy/rozšíření, pokud je vaše nasazení podporuje.

Příklad: Pracovní postup „Obsahový brief“

Krok 1: Požádejte model, aby extrahoval klíčová slova z tématu.

Krok 2: Proveďte průzkum pomocí webového nástroje (je-li povolen) a shrňte zdroje.

Krok 3: Vytvořte osnovu + varianty názvu.

Krok 4: Vytvořte krátkou/dlouhou verzi.

Uložte tyto kroky do opakovaně použitelné šablony, aby je váš tým mohl spouštět jedním kliknutím.

Správa modelů jako profík

Více výchozích hodnot: Nastavte výchozí hodnoty pro jednotlivé pracovní prostory nebo chaty (např. rychlý lokální pro brainstorming, přesný cloud pro finální kopii).

Modelové karty: Dokumentujte, co každý model dělá nejlépe – „Použijte Llama 3 pro kód, Mistral pro stručné shrnutí.“

Dávkové úlohy: Používejte delší systémové prompty a strukturovaný výstup (JSON, kontrolní seznamy) pro opakovatelné úlohy, jako jsou kontroly QA, překlady nebo tagování.

Nastavení správce: Zabezpečení a správa

Pokud používáte self-hosting pro tým, věnujte několik minut posílení a správě své instance.

Autentizace: Vyžadujte přihlášení. Pokud je k dispozici, povolte SSO/OIDC.

Zásady API klíčů: Omezte, kteří poskytovatelé mohou být použiti, omezte klíče podle uživatele/role a omezte odchozí provoz, kde je to vhodné.

Proměnné prostředí: Konfigurujte věci, jako jsou adresy URL koncových bodů modelů, back-endy pro embeddingy a omezení klíčů prostřednictvím nastavení prostředí.

Limity rychlosti a kvóty: Zabraňte nekontrolovaným nákladům pomocí limitů pro jednotlivé uživatele nebo pracovní prostory.

Auditovatelnost: Povzbuďte týmy, aby označovaly chaty a ukládaly shrnutí, abyste mohli sledovat rozhodnutí.

Tip pro vývojáře: Umístěte Open WebUI za reverzní proxy (např. Nginx/Caddy) s HTTPS a nastavte povolené zdroje.

Týmová spolupráce a hygiena znalostí

Sdílené prompty a KB: Vytvořte kurátorované knihovny promptů a znalostní báze. Přiřaďte správce.

Verze obsahu: U dokumentů zásad nebo specifikací ukládejte zdroje do Gitu nebo centra dokumentů a znovu vkládejte při aktualizaci.

Odpovědi vycházející ze zdroje: Povzbuďte uživatele, aby klikali na citace a prohledávali původní dokumenty. Důvěřuj, ale prověřuj.

Každodenní případy použití (zkopírujte si je)

Obsah a marketing

Přeměňte brief na tři návrhy specifické pro dané publikum.

Generujte SEO osnovy, FAQ a nadpisy.

Inženýrství

Vysvětlete funkci a vygenerujte testy okrajových případů.

Shrňte PR a vytvořte poznámky k verzi.

Provoz a podpora

Vytvořte KB z provozních příruček a SOP.

Vytvořte návrhy odpovědí pomocí průvodce tónem/stylem.

Výzkum a strategie

Shrňte 10 dokumentů do 1 stránky s citacemi.

Porovnejte dodavatele pomocí strukturované matice.

Řešení problémů: Rychlé opravy

„Nelze se připojit k Ollama“

Zkontrolujte, zda je Ollama spuštěna: `curl

Ověřte přístup k síti z kontejneru k hostiteli.

„Model nenalezen“

Stáhněte model pomocí Ollama: ollama pull mistral

U cloudu potvrďte přesný název modelu a oprávnění.

„Výsledky RAG vypadají irelevantní“

Znovu vložte s lepším modelem pro embeddingy.

Upravte velikost bloku (např. 500–1 000 tokenů) a překrytí.

Rozdělte svou KB na menší, tematické sbírky.

„Náklady prudce rostou“

Nastavte limity rychlosti a pro návrhy používejte výchozí lokální modely.

Tipy pro výkon a pokročilé kroky

Používejte menší lokální modely pro ideaci a větší/cloudové modely pro finalizaci.

Ukládejte do mezipaměti časté prompty a odpovědi, kde je to možné.

Přijměte strukturované výstupy (JSON, kontrolní seznamy s odrážkami) pro následné automatizace.

Pro citlivá data uchovávejte vše lokálně (Ollama + lokální embeddingy + on-prem úložiště).

Používejte systémové prompty k definování tónu, formátování a ochranných zábradlí.

Stojí za zmínku: Spojení Open WebUI se Sider.AI

Pokud produkujete spoustu obsahu nebo výzkumu, může vám pomoci pracovní společník. Stojí za zmínku: Sider.AI pomáhá s návrhy, shrnutím a uspořádáním dlouhých děl. Můžete ideovat nebo načítat kontext v Open WebUI a poté použít asistenci ve stylu editoru Sider.AI k vyleštění, restrukturování a SEO optimalizaci článků pro publikování. Je to užitečné spojení, když chcete mít kontrolu (self-hosted chat + RAG) i rychlost (spolupráce na úpravách a optimalizaci).

Jednoduchý startovací plán

Spusťte Open WebUI přes Docker.

Nainstalujte si Ollama, stáhněte llama3 a mistral.

Připojte Open WebUI k a nastavtemistral` jako výchozí pro chat.

Vytvořte KB: Zásady, Marketing, Provozní příručky; vložte pomocí silného modelu pro embeddingy.

Uložte tři šablony promptů: „Shrnutí s odrážkami“, „Generátor SEO osnovy“ a „Tvůrce poznámek k verzi“.

Přidejte limity rychlosti a vyžadujte přihlášení.

S tímto nastavením může většina týmů pokrýt 80 % každodenních úloh AI.

Klíčové poznatky

Open WebUI vám poskytuje čisté, ovladatelné uživatelské rozhraní pro práci s lokálními a cloudovými LLM.

Pro soukromí a rychlost ho spárujte s Ollama lokálně; v případě potřeby přidejte cloudové modely.

Používejte RAG k ukotvení odpovědí ve vašich dokumentech; udržujte KB malé a zaměřené.

Zabezpečte svou instanci pomocí autentizace, zásad klíčů a limitů rychlosti.

Standardizujte prompty a výstupy, aby byla práce vašeho týmu konzistentní a automatizovatelná.

Další kroky

Spusťte Open WebUI s Dockerem a připojte se k Ollama.

Vytvořte svou první znalostní bázi a vyzkoušejte chat s podporou načítání.

Uložte tři šablony promptů, které bude váš tým denně používat.

Pokud publikujete obsah, prožeňte návrhy přes Sider.AI, abyste vylepšili tón, strukturu a SEO před spuštěním.

FAQ

Q1:K čemu se Open WebUI používá? Open WebUI je self-hosted rozhraní pro velké jazykové modely. Umožňuje vám chatovat s lokálními nebo cloudovými modely, vytvářet pracovní postupy RAG s vašimi dokumenty a spravovat prompty a týmy na jednom místě.

Q2:Jak používám Open WebUI s Ollama? Nainstalujte si Ollama, stáhněte model jako llama3 nebo mistral a poté nasměrujte připojení Ollama v Open WebUI na http://localhost:11434. Můžete nastavit výchozí model a začít chatovat lokálně s plným soukromím.

Q3:Umí Open WebUI dělat RAG s mými PDF a poznámkami? Ano. Vytvořte znalostní bázi, nahrajte dokumenty, vygenerujte embeddingy a povolte načítání v chatu. Model bude citovat a shrnovat z vašich vlastních zdrojů pro ukotvené odpovědi.

Q4:Je Open WebUI bezpečný pro týmy? Můžete vynutit přihlášení, spravovat API klíče podle role a nastavit limity rychlosti. Pro produkci používejte HTTPS za reverzní proxy a omezte, kteří poskytovatelé nebo koncové body jsou povoleny.

Q5:Mám používat lokální nebo cloudové modely v Open WebUI? Používejte lokální modely pro soukromí, rychlost a kontrolu nákladů; používejte cloudové modely pro složité úlohy vyžadující vyšší kvalitu. Mnoho týmů kombinuje obojí a nastavuje výchozí hodnoty specifické pro daný chat.