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.

Cómo usar Open WebUI: Una guía amigable, paso a paso, para flujos de trabajo de IA más rápidos

Si alguna vez has deseado que ChatGPT tuviera un gemelo personalizable y autoalojado que pudieras conectar a tus propios modelos y datos, Open WebUI es exactamente eso. Es una interfaz moderna y ligera para chatear con modelos de lenguaje grandes (LLM) locales o remotos, gestionar prompts, construir flujos de trabajo RAG (Generación Aumentada por Recuperación) y colaborar con compañeros de equipo, todo desde tu navegador.

En esta guía práctica y orientada a soluciones, te guiaremos a través de cómo usar Open WebUI de principio a fin: opciones de configuración, conexión a Ollama o APIs, gestión de modelos, construcción de flujos de recuperación, aseguramiento de tu instancia y un puñado de consejos profesionales. Al final, podrás ejecutar potentes flujos de trabajo de IA en tus propios términos, y rápido.

¿Qué es Open WebUI (y por qué usarlo)?

Open WebUI es una interfaz web autoalojable para LLMs. Piensa en ella como el centro de mando para tus interacciones de IA: trae tus propios modelos (locales o en la nube), crea prompts reutilizables, añade tus documentos y colabora a través de una interfaz de usuario limpia e intuitiva. Es especialmente popular entre desarrolladores, equipos de datos y usuarios preocupados por la privacidad que desean control, extensibilidad y velocidad.

Razones clave por las que la gente elige Open WebUI:

Sé dueño de tus datos: Ejecuta localmente o en tu servidor.

Backends flexibles: Conéctate a motores locales como Ollama o a proveedores remotos a través de API.

Listo para el flujo de trabajo: RAG, herramientas, embeddings y prompts estructurados.

Controles de administrador: Gestión de claves API, autenticación y configuración del entorno.

La forma más rápida de empezar: Inicio rápido con Docker

Si te sientes cómodo con Docker, puedes estar en funcionamiento en minutos.

Extrae la imagen

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

Ejecuta el contenedor

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

Abre tu navegador y visita

Llegarás a la interfaz de usuario, crearás una cuenta de administrador y estarás listo para conectar modelos.

Consejo: Para el almacenamiento persistente y las variables de entorno (como las restricciones de claves API y la autenticación), cambia a un docker-compose.yml para que puedas montar volúmenes y definir la configuración de forma limpia.

Conexión a modelos: APIs locales (Ollama) o en la nube

Open WebUI es agnóstico al backend. Puedes:

Usar Ollama para ejecutar modelos localmente (por ejemplo, Llama 3, Phi‑3, Mistral). Esto es genial para la privacidad y el trabajo sin conexión.

Usar APIs en la nube como OpenAI, Anthropic, Google u otros a través de claves API.

Opción A: Usar Ollama localmente

Instalar Ollama (macOS, Linux, Windows)

Visita ` para instalar.

Extraer un modelo con Ollama

ollama pull llama3

Puedes reemplazar llama3 con modelos como mistral, phi3, o llama3:instruct dependiendo de tus necesidades.

Iniciar Open WebUI

Asegúrate de que Open WebUI pueda alcanzar el endpoint local de Ollama (normalmente `).

En Open WebUI, ve a Admin Settings → Connections → Ollama

Añade el endpoint, elige los modelos predeterminados y prueba la conexión.

Ahora puedes chatear con modelos locales directamente en el navegador.

Opción B: Usar proveedores en la nube a través de claves API

En Admin Settings → Providers (o API/Keys)

Añade claves para OpenAI, Anthropic o Google.

Elige un modelo predeterminado por proveedor

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

Establece límites

Aplica límites de velocidad, ámbitos de uso o claves por usuario según la configuración de tu equipo.

Este enfoque híbrido (local + nube) es común: borradores rápidos en modelos locales, luego refinar con un modelo en la nube cuando sea necesario.

Tu primer chat: Prompts, modos y archivos adjuntos

Una vez que un modelo está conectado, inicia un nuevo chat. Algunos conceptos básicos:

Plantillas de prompts: Guarda instrucciones de uso frecuente (system prompts) como “Eres mi tutor de Python: explica con ejemplos y pruebas”.

Modos: Cambia entre estilos creativo, conciso o técnico ajustando los system prompts o la temperatura.

Archivos adjuntos: Sube archivos (PDFs, TXT, CSV) para que el modelo los consulte. Para corpus grandes o recurrentes, crea una base de conocimiento con embeddings (ver RAG abajo).

Consejo profesional: Organiza los chats por proyecto. Usa etiquetas como #docs, #code, o #analysis para que tu futuro yo pueda encontrar las cosas rápidamente.

Construye RAG en minutos: Conocimiento, Embeddings y Búsqueda

RAG (Generación Aumentada por Recuperación) permite que tu modelo responda preguntas con tu contenido (documentos, notas, políticas, código). Aquí te mostramos cómo armarlo:

Crear una base de conocimiento (KB)

En la barra lateral, crea una nueva KB o “Collections”.

Sube documentos: PDFs, markdown, HTML o archivos de texto.

Generar Embeddings

Elige el backend de embeddings (local a través de Ollama si tienes un modelo de embeddings, o un proveedor en la nube a través de API).

Indexa tus documentos; los conjuntos más grandes pueden tardar unos minutos.

Habilita la recuperación en el chat

En un chat, activa la recuperación y selecciona tu KB.

Haz preguntas como “Resume nuestra política de incorporación y enumera los elementos de acción” o “¿Qué excepciones permitimos en la política de seguridad?”

Itera

Inspecciona las fuentes, refina tus documentos, ajusta el tamaño de los fragmentos y vuelve a incrustar si las respuestas parecen incorrectas.

Consejo profesional: Mantén KBs separadas para mayor precisión (por ejemplo, “Textos de marketing”, “Políticas legales”, “Manuales de operación”). Esto reduce las recuperaciones irrelevantes.

Acciones, herramientas y flujos de trabajo

Open WebUI admite interacciones impulsadas por herramientas para que el modelo pueda “hacer cosas”, no solo chatear. Dependiendo de tu configuración, puedes:

Llamar a funciones/herramientas que definas (por ejemplo, ejecutar un script, obtener una URL, consultar una base de datos).

Usar flujos de trabajo de system prompt para estructurar tareas de varios pasos.

Añadir plugins/extensiones si tu implementación los admite.

Ejemplo: Un flujo de trabajo de “Brief de contenido”

Paso 1: Pide al modelo que extraiga palabras clave de un tema.

Paso 2: Investiga a través de una herramienta web (si está habilitada) y resume las fuentes.

Paso 3: Redacta un esquema + variantes de título.

Paso 4: Crea una versión corta/larga.

Guarda estos pasos en una plantilla reutilizable para que tu equipo pueda ejecutarlos con un solo clic.

Gestionar modelos como un profesional

Múltiples valores predeterminados: Establece valores predeterminados por espacio de trabajo o por chat (por ejemplo, local rápido para lluvia de ideas, nube precisa para la copia final).

Fichas de modelo: Documenta lo que cada modelo hace mejor: “Usa Llama 3 para código, Mistral para resúmenes concisos”.

Tareas por lotes: Usa system prompts más largos y salidas estructuradas (JSON, listas de verificación) para tareas repetibles como controles de control de calidad, traducción o etiquetado.

Configuración de administrador: Seguridad y gobernanza

Si te autoalojas para un equipo, tómate unos minutos para fortalecer y gobernar tu instancia.

Autenticación: Requiere inicio de sesión. Si está disponible, habilita SSO/OIDC.

Políticas de clave API: Limita qué proveedores se pueden usar, ámbito de las claves por usuario/rol y restringe la salida cuando sea apropiado.

Variables de entorno: Configura cosas como las URL de los endpoints de los modelos, los backends de embeddings y las restricciones de clave a través de la configuración del entorno.

Límites de velocidad y cuotas: Evita los costos descontrolados con límites por usuario o por espacio de trabajo.

Auditabilidad: Anima a los equipos a etiquetar los chats y almacenar resúmenes para que puedas rastrear las decisiones.

Consejo para desarrolladores: Coloca Open WebUI detrás de un proxy inverso (por ejemplo, Nginx/Caddy) con HTTPS y establece orígenes permitidos.

Colaboración en equipo e higiene del conocimiento

Prompts y KBs compartidos: Crea bibliotecas de prompts y bases de conocimiento seleccionadas. Asigna mantenedores.

Contenido de la versión: Para documentos de políticas o especificaciones, almacena las fuentes en Git o en un centro de documentos y vuelve a incrustarlas cuando se actualicen.

Respuestas de origen primero: Anima a los usuarios a hacer clic en las citas y escanear los documentos originales. Confía, pero verifica.

Casos de uso cotidianos (copia estos)

Contenido y marketing

Convierte un brief en tres borradores específicos para la audiencia.

Genera esquemas de SEO, preguntas frecuentes y títulos.

Ingeniería

Explica una función y genera pruebas de casos extremos.

Resume PRs y produce notas de la versión.

Operaciones y soporte

Construye una KB a partir de manuales de operación y SOPs.

Redacta respuestas utilizando tu guía de tono/estilo.

Investigación y estrategia

Resume 10 documentos en una página con citas.

Compara proveedores utilizando una matriz estructurada.

Solución de problemas: Soluciones rápidas

“No se puede conectar a Ollama”

Comprueba que Ollama se está ejecutando: `curl

Verifica el acceso a la red desde el contenedor al host.

“Modelo no encontrado”

Extrae el modelo a través de Ollama: ollama pull mistral

Para la nube, confirma el nombre exacto del modelo y los permisos.

“Los resultados de RAG parecen irrelevantes”

Vuelve a incrustar con un mejor modelo de embeddings.

Ajusta el tamaño del fragmento (por ejemplo, 500–1,000 tokens) y la superposición.

Divide tu KB en colecciones temáticas más pequeñas.

“Costos en aumento”

Establece límites de velocidad y predetermina los modelos locales para los borradores.

Consejos de rendimiento y movimientos avanzados

Usa modelos locales más pequeños para la ideación y modelos más grandes/en la nube para la finalización.

Almacena en caché los prompts y las respuestas frecuentes siempre que sea posible.

Adopta salidas estructuradas (JSON, listas de verificación con viñetas) para automatizaciones posteriores.

Para datos confidenciales, mantén todo local (Ollama + embeddings locales + almacenamiento local).

Usa system prompts para definir el tono, el formato y las barreras de protección.

Vale la pena señalar: Emparejamiento de Open WebUI con Sider.AI

Si produces mucho contenido o investigación, un compañero de flujo de trabajo puede ayudar. Vale la pena señalar: Sider.AI ayuda a redactar, resumir y organizar trabajos de formato largo. Puedes idear o recuperar contexto en Open WebUI, luego usar la asistencia de estilo de editor de Sider.AI para pulir, reestructurar y optimizar artículos para SEO para su publicación. Es una combinación útil cuando deseas tanto control (chat autoalojado + RAG) como velocidad (edición colaborativa y optimización).

Un modelo de inicio simple

Ejecuta Open WebUI a través de Docker.

Instala Ollama, extrae llama3 y mistral.

Conecta Open WebUI a y establecemistral` como predeterminado para el chat.

Crea KBs: Políticas, Marketing, Manuales de operación; incrusta con un modelo de embeddings sólido.

Guarda tres plantillas de prompt: “Resumidor con viñetas”, “Generador de esquemas SEO” y “Redactor de notas de la versión”.

Añade límites de velocidad y requiere inicio de sesión.

Con esta configuración, la mayoría de los equipos pueden cubrir el 80% de las tareas diarias de IA.

Conclusiones clave

Open WebUI te ofrece una interfaz de usuario limpia y controlable para trabajar con LLMs locales y en la nube.

Para la privacidad y la velocidad, combínala con Ollama localmente; mezcla modelos en la nube cuando sea necesario.

Usa RAG para basar las respuestas en tus documentos; mantén las KBs pequeñas y enfocadas.

Protege tu instancia con autenticación, políticas de claves y límites de velocidad.

Estandariza prompts y salidas para que el trabajo de tu equipo sea coherente y automatizable.

Próximos pasos

Pon en marcha Open WebUI con Docker y conéctate a Ollama.

Crea tu primera base de conocimiento y prueba un chat con respaldo de recuperación.

Guarda tres plantillas de prompt que tu equipo reutilizará diariamente.

Si publicas contenido, pasa los borradores a través de Sider.AI para refinar el tono, la estructura y el SEO antes de publicarlos.

Preguntas frecuentes

P1: ¿Para qué se usa Open WebUI? Open WebUI es una interfaz autoalojada para modelos de lenguaje grandes. Te permite chatear con modelos locales o en la nube, construir flujos de trabajo RAG con tus documentos y gestionar prompts y equipos en un solo lugar.

P2: ¿Cómo uso Open WebUI con Ollama? Instala Ollama, extrae un modelo como llama3 o mistral, y luego apunta la conexión de Ollama de Open WebUI a http://localhost:11434. Puedes establecer un modelo predeterminado y comenzar a chatear localmente con total privacidad.

P3: ¿Puede Open WebUI hacer RAG con mis PDFs y notas? Sí. Crea una base de conocimiento, sube documentos, genera embeddings y habilita la recuperación en el chat. El modelo citará y resumirá a partir de tus propias fuentes para obtener respuestas fundamentadas.

P4: ¿Es Open WebUI seguro para los equipos? Puedes exigir el inicio de sesión, gestionar las claves API por rol y establecer límites de velocidad. Para la producción, usa HTTPS detrás de un proxy inverso y restringe qué proveedores o endpoints están permitidos.

P5: ¿Debo usar modelos locales o en la nube en Open WebUI? Usa modelos locales para la privacidad, la velocidad y el control de costes; usa modelos en la nube para tareas complejas que requieran mayor calidad. Muchos equipos combinan ambos y establecen valores predeterminados específicos para el chat.