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.

نحوه استفاده از Open WebUI: راهنمای گام به گام و کاربردی برای گردش‌کارهای سریع‌تر هوش مصنوعی

اگر تا به حال آرزو کرده‌اید که ChatGPT یک دوقلوی خود-میزبان و قابل تنظیم داشته باشد که بتوانید آن را به مدل‌ها و داده‌های خود متصل کنید، Open WebUI دقیقا همان است. این یک رابط مدرن و سبک‌وزن برای گفتگو با مدل‌های زبانی بزرگ (LLM) محلی یا از راه دور، مدیریت اعلان‌ها، ایجاد گردش‌کارهای RAG (تولید تقویت‌شده با بازیابی) و همکاری با هم‌تیمی‌ها است—همه از طریق مرورگر شما.

در این راهنمای عملی و راهکارمحور، نحوه استفاده از Open WebUI را به طور کامل بررسی خواهیم کرد: گزینه‌های راه‌اندازی، اتصال به Ollama یا APIها، مدیریت مدل‌ها، ایجاد جریان‌های بازیابی، ایمن‌سازی نمونه خود و مجموعه‌ای از نکات حرفه‌ای. در پایان، شما قادر خواهید بود گردش‌کارهای قدرتمند هوش مصنوعی را با شرایط خودتان و به سرعت اجرا کنید.

Open WebUI چیست (و چرا باید از آن استفاده کرد)؟

Open WebUI یک رابط وب خود-میزبان برای LLMها است. آن را به عنوان مرکز فرماندهی تعاملات هوش مصنوعی خود در نظر بگیرید—مدل‌های خود (محلی یا ابری) را بیاورید، اعلان‌های قابل استفاده مجدد ایجاد کنید، اسناد خود را اضافه کنید و از طریق یک رابط کاربری تمیز و شهودی با دیگران همکاری کنید. این به ویژه در بین توسعه‌دهندگان، تیم‌های داده و کاربرانی که به حریم خصوصی اهمیت می‌دهند و خواهان کنترل، قابلیت گسترش و سرعت هستند، محبوب است.

دلایل اصلی انتخاب Open WebUI توسط کاربران:

مالک داده‌های خود باشید: به صورت محلی یا روی سرور خود اجرا کنید.

بخش پشتیبان انعطاف‌پذیر: به موتورهای محلی مانند Ollama یا ارائه‌دهندگان از راه دور از طریق API متصل شوید.

آماده گردش‌کار: RAG، ابزارها، جاسازی‌ها و اعلان‌های ساختاریافته.

کنترل‌های مدیریت: مدیریت کلید API، احراز هویت و پیکربندی محیط.

سریع‌ترین راه برای شروع: شروع سریع با Docker

اگر با Docker راحت هستید، می‌توانید در عرض چند دقیقه راه‌اندازی کنید.

دریافت ایمیج

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

اجرای کانتینر

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

مرورگر خود را باز کرده و به آدرس زیر مراجعه کنید

به رابط کاربری هدایت می‌شوید، یک حساب کاربری مدیریت ایجاد می‌کنید و آماده اتصال مدل‌ها هستید.

نکته: برای ذخیره‌سازی دائمی و متغیرهای محیطی (مانند محدودیت‌های کلید API و احراز هویت)، به یک docker-compose.yml تغییر وضعیت دهید تا بتوانید حجم‌ها را mount کرده و پیکربندی را به طور تمیز تعریف کنید.

اتصال به مدل‌ها: محلی (Ollama) یا APIهای ابری

Open WebUI از بخش پشتیبان خاصی تبعیت نمی‌کند. شما می‌توانید:

از Ollama برای اجرای مدل‌ها به صورت محلی (به عنوان مثال، Llama 3، Phi‑3، Mistral) استفاده کنید. این برای حریم خصوصی و کار آفلاین عالی است.

از APIهای ابری مانند OpenAI، Anthropic، Google یا سایر موارد از طریق کلیدهای API استفاده کنید.

گزینه الف: استفاده از Ollama به صورت محلی

نصب Ollama (macOS، Linux، Windows)

برای نصب به ` مراجعه کنید.

دریافت یک مدل با Ollama

ollama pull llama3

بسته به نیاز خود می‌توانید llama3 را با مدل‌هایی مانند mistral، phi3 یا llama3:instruct جایگزین کنید.

شروع Open WebUI

اطمینان حاصل کنید که Open WebUI می‌تواند به نقطه پایانی محلی Ollama دسترسی پیدا کند (معمولاً `).

در Open WebUI، به Admin Settings → Connections → Ollama بروید

نقطه پایانی را اضافه کنید، مدل(های) پیش‌فرض را انتخاب کنید و اتصال را آزمایش کنید.

اکنون می‌توانید مستقیماً در مرورگر با مدل‌های محلی گفتگو کنید.

گزینه ب: استفاده از ارائه‌دهندگان ابری از طریق کلیدهای API

در Admin Settings → Providers (یا API/Keys)

کلیدها را برای OpenAI، Anthropic یا Google اضافه کنید.

یک مدل پیش‌فرض برای هر ارائه‌دهنده انتخاب کنید

به عنوان مثال: gpt-4o-mini (OpenAI)، claude‑3‑haiku (Anthropic) یا gemini‑1.5‑flash (Google).

تعیین محدودیت‌ها

بسته به تنظیمات تیم خود، محدودیت‌های نرخ، دامنه‌های استفاده یا کلیدهای به ازای هر کاربر را اعمال کنید.

این رویکرد ترکیبی (محلی + ابری) رایج است: پیش‌نویس‌های سریع روی مدل‌های محلی، سپس اصلاح با یک مدل ابری در صورت نیاز.

اولین گفتگوی شما: اعلان‌ها، حالت‌ها و پیوست‌ها

پس از اتصال یک مدل، یک گفتگوی جدید را شروع کنید. چند نکته اساسی:

قالب‌های اعلان: دستورالعمل‌های پرکاربرد (اعلان‌های سیستم) مانند «شما معلم پایتون من هستید—با مثال‌ها و آزمون‌ها توضیح دهید» را ذخیره کنید.

حالت‌ها: با تنظیم اعلان‌های سیستم یا دما، بین سبک‌های خلاقانه، مختصر یا فنی جابجا شوید.

پیوست‌ها: فایل‌ها (PDF، TXT، CSV) را برای ارجاع مدل بارگذاری کنید. برای مجموعه‌های بزرگ یا مکرر، یک پایگاه دانش با جاسازی‌ها ایجاد کنید (به RAG در زیر مراجعه کنید).

نکته حرفه‌ای: گفتگوها را بر اساس پروژه سازماندهی کنید. از تگ‌هایی مانند #docs، #code یا #analysis استفاده کنید تا خودِ آینده‌تان بتوانید موارد را به سرعت پیدا کنید.

ساخت RAG در عرض چند دقیقه: دانش، جاسازی‌ها و جستجو

RAG (تولید تقویت‌شده با بازیابی) به مدل شما اجازه می‌دهد تا به سؤالات با محتوای شما (اسناد، یادداشت‌ها، سیاست‌ها، کد) پاسخ دهد. در اینجا نحوه جمع‌آوری آن آمده است:

ایجاد یک پایگاه دانش (KB)

در نوار کناری، یک KB جدید یا «مجموعه‌ها» ایجاد کنید.

بارگذاری اسناد: PDF، markdown، HTML یا فایل‌های متنی.

تولید جاسازی‌ها

بخش پشتیبان جاسازی‌ها را انتخاب کنید (محلی از طریق Ollama اگر یک مدل جاسازی دارید، یا یک ارائه‌دهنده ابری از طریق API).

اسناد خود را فهرست کنید. مجموعه‌های بزرگتر ممکن است چند دقیقه طول بکشند.

فعال کردن بازیابی در گفتگو

در یک گفتگو، بازیابی را روشن کرده و KB خود را انتخاب کنید.

سؤالاتی مانند «سیاست ورود ما را خلاصه کرده و موارد اقدام را فهرست کنید» یا «چه استثناهایی را در سیاست امنیتی مجاز می‌دانیم؟» بپرسید.

تکرار

منابع را بررسی کنید، اسناد خود را اصلاح کنید، اندازه قطعه‌بندی را تنظیم کنید و در صورت نادرست بودن پاسخ‌ها، دوباره جاسازی کنید.

نکته حرفه‌ای: KBهای جداگانه را برای دقت نگهداری کنید (به عنوان مثال، «متن بازاریابی»، «سیاست‌های حقوقی»، «دفترچه راهنما»). این امر بازیابی‌های نامربوط را کاهش می‌دهد.

اقدامات، ابزارها و گردش‌کارها

Open WebUI از تعاملات مبتنی بر ابزار پشتیبانی می‌کند تا مدل بتواند «کارها را انجام دهد» نه فقط گپ بزند. بسته به تنظیمات خود، می‌توانید:

فراخوانی توابع/ابزارهایی که تعریف می‌کنید (به عنوان مثال، اجرای یک اسکریپت، دریافت یک URL، پرس و جو از یک پایگاه داده).

استفاده از گردش‌کارهای اعلان سیستم برای ساختاربندی وظایف چند مرحله‌ای.

در صورت پشتیبانی استقرار شما، افزودن افزونه‌ها/برنامه‌های افزودنی.

مثال: گردش‌کار «خلاصه محتوا»

مرحله 1: از مدل بخواهید کلمات کلیدی را از یک موضوع استخراج کند.

مرحله 2: تحقیق از طریق یک ابزار وب (در صورت فعال بودن) و خلاصه کردن منابع.

مرحله 3: پیش‌نویس یک طرح کلی + انواع عنوان.

مرحله 4: ایجاد یک نسخه کوتاه/بلند.

این مراحل را در یک قالب قابل استفاده مجدد ذخیره کنید تا تیم شما بتواند آنها را با یک کلیک اجرا کند.

مدیریت مدل‌ها مانند یک حرفه‌ای

پیش‌فرض‌های متعدد: پیش‌فرض‌ها را به ازای هر فضای کاری یا هر گفتگو تنظیم کنید (به عنوان مثال، محلی سریع برای بارش فکری، ابری دقیق برای نسخه نهایی).

کارت‌های مدل: مستند کنید که هر مدل چه کاری را به بهترین نحو انجام می‌دهد—«از Llama 3 برای کد، از Mistral برای خلاصه‌های مختصر استفاده کنید.»

وظایف دسته‌ای: از اعلان‌های سیستم طولانی‌تر و خروجی ساختاریافته (JSON، چک‌لیست‌ها) برای وظایف تکرارپذیر مانند بررسی QA، ترجمه یا برچسب‌گذاری استفاده کنید.

تنظیمات مدیریت: امنیت و حاکمیت

اگر خودتان برای یک تیم میزبانی می‌کنید، چند دقیقه وقت بگذارید تا نمونه خود را سخت‌تر و مدیریت کنید.

احراز هویت: نیاز به ورود داشته باشید. در صورت وجود، SSO/OIDC را فعال کنید.

سیاست‌های کلید API: محدود کنید که کدام ارائه‌دهندگان می‌توانند استفاده شوند، کلیدها را بر اساس کاربر/نقش تعیین دامنه کنید و در صورت لزوم، خروج را محدود کنید.

متغیرهای محیطی: مواردی مانند URLهای نقطه پایانی مدل، بخش‌های پشتیبان جاسازی و محدودیت‌های کلیدی را از طریق تنظیمات env پیکربندی کنید.

محدودیت‌های نرخ و سهمیه: با محدودیت‌های به ازای هر کاربر یا هر فضای کاری، از هزینه‌های افسارگسیخته جلوگیری کنید.

قابلیت ممیزی: تیم‌ها را تشویق کنید تا گفتگوها را برچسب‌گذاری کرده و خلاصه‌ها را ذخیره کنند تا بتوانید تصمیمات را ردیابی کنید.

نکته توسعه: Open WebUI را پشت یک پروکسی معکوس (به عنوان مثال، Nginx/Caddy) با HTTPS قرار دهید و مبداهای مجاز را تنظیم کنید.

همکاری تیمی و بهداشت دانش

اعلان‌ها و KBهای مشترک: کتابخانه‌های اعلان و پایگاه‌های دانش انتخاب‌شده ایجاد کنید. نگهدارنده تعیین کنید.

نسخه‌بندی محتوا: برای اسناد خط‌مشی یا مشخصات، منابع را در Git یا یک هاب سند ذخیره کنید و هنگام به‌روزرسانی، دوباره جاسازی کنید.

پاسخ‌های مبتنی بر منبع: کاربران را تشویق کنید تا روی نقل قول‌ها کلیک کرده و اسناد اصلی را اسکن کنند. اعتماد کنید، اما تأیید کنید.

موارد استفاده روزمره (از این موارد کپی کنید)

محتوا و بازاریابی

یک خلاصه را به سه پیش‌نویس مختص مخاطب تبدیل کنید.

طرح‌های کلی SEO، پرسش‌های متداول و عناوین ایجاد کنید.

مهندسی

یک تابع را توضیح داده و آزمون‌های موردی حاشیه‌ای ایجاد کنید.

خلاصه‌ای از PRها تهیه کرده و یادداشت‌های انتشار تهیه کنید.

عملیات و پشتیبانی

یک KB از دفترچه‌های راهنما و SOPها ایجاد کنید.

پاسخ‌ها را با استفاده از راهنمای لحن/سبک خود پیش‌نویس کنید.

تحقیق و استراتژی

10 سند را در یک صفحه 1 خلاصه‌سازی کنید و نقل قول‌ها را درج کنید.

فروشندگان را با استفاده از یک ماتریس ساختاریافته مقایسه کنید.

عیب‌یابی: رفع سریع

«عدم امکان اتصال به Ollama»

بررسی کنید که آیا Ollama در حال اجرا است: `curl

دسترسی شبکه را از کانتینر به میزبان تأیید کنید.

«مدل یافت نشد»

مدل را از طریق Ollama دریافت کنید: ollama pull mistral

برای فضای ابری، نام و مجوزهای دقیق مدل را تأیید کنید.

«نتایج RAG نامربوط به نظر می‌رسند»

با یک مدل جاسازی بهتر، دوباره جاسازی کنید.

اندازه قطعه (به عنوان مثال، 500–1000 توکن) و همپوشانی را تنظیم کنید.

KB خود را به مجموعه‌های کوچکتر و موضوعی تقسیم کنید.

«افزایش هزینه‌ها»

محدودیت‌های نرخ را تنظیم کرده و به طور پیش‌فرض از مدل‌های محلی برای پیش‌نویس‌ها استفاده کنید.

نکات عملکرد و حرکات پیشرفته

از مدل‌های محلی کوچکتر برای ایده‌پردازی و مدل‌های بزرگتر/ابری برای نهایی‌سازی استفاده کنید.

در صورت امکان، اعلان‌ها و پاسخ‌های مکرر را کش کنید.

خروجی‌های ساختاریافته (JSON، چک‌لیست‌های نقطه‌ای) را برای اتوماسیون‌های پایین‌دستی اتخاذ کنید.

برای داده‌های حساس، همه چیز را محلی نگه دارید (Ollama + جاسازی‌های محلی + ذخیره‌سازی در محل).

از اعلان‌های سیستم برای تعریف لحن، قالب‌بندی و حفاظ‌ها استفاده کنید.

ارزش توجه: جفت کردن Open WebUI با Sider.AI

اگر مقدار زیادی محتوا یا تحقیق تولید می‌کنید، یک همراه گردش‌کار می‌تواند کمک کند. شایان ذکر است: Sider.AI در پیش‌نویس، خلاصه‌سازی و سازماندهی کارهای طولانی‌مدت کمک می‌کند. می‌توانید در Open WebUI ایده‌پردازی یا بازیابی متن انجام دهید، سپس از کمک سبک ویرایشگر Sider.AI برای صیقل دادن، بازسازی و بهینه‌سازی مقالات برای انتشار استفاده کنید. این یک جفت‌سازی مفید است زمانی که هم کنترل (گفتگوی خود-میزبان + RAG) و هم سرعت (ویرایش و بهینه‌سازی مشترک) را می‌خواهید.

یک طرح اولیه ساده

Open WebUI را از طریق Docker اجرا کنید.

Ollama را نصب کنید، llama3 و mistral را دریافت کنید.

Open WebUI را به متصل کرده وmistral` را به عنوان پیش‌فرض برای گفتگو تنظیم کنید.

KBها را ایجاد کنید: سیاست‌ها، بازاریابی، دفترچه راهنما؛ با یک مدل جاسازی قوی جاسازی کنید.

سه قالب اعلان را ذخیره کنید: «خلاصه‌ساز با نقاط»، «تولیدکننده طرح کلی SEO» و «نویسنده یادداشت‌های انتشار».

محدودیت‌های نرخ را اضافه کرده و ورود را الزامی کنید.

با این تنظیمات، اکثر تیم‌ها می‌توانند 80٪ از وظایف روزانه هوش مصنوعی را پوشش دهند.

نکات کلیدی

Open WebUI یک رابط کاربری تمیز و قابل کنترل برای کار با LLMهای محلی و ابری در اختیار شما قرار می‌دهد.

برای حفظ حریم خصوصی و سرعت، آن را با Ollama به صورت محلی جفت کنید. در صورت نیاز، مدل‌های ابری را مخلوط کنید.

از RAG برای زمینه‌سازی پاسخ‌ها در اسناد خود استفاده کنید. KBها را کوچک و متمرکز نگه دارید.

نمونه خود را با احراز هویت، سیاست‌های کلیدی و محدودیت‌های نرخ ایمن کنید.

اعلان‌ها و خروجی‌ها را استاندارد کنید تا کار تیم شما سازگار و قابل خودکارسازی باشد.

مراحل بعدی

Open WebUI را با Docker راه‌اندازی کرده و به Ollama متصل شوید.

اولین پایگاه دانش خود را ایجاد کرده و یک گفتگوی پشتیبانی شده توسط بازیابی را امتحان کنید.

سه قالب اعلان را که تیم شما روزانه از آنها استفاده مجدد خواهد کرد، ذخیره کنید.

اگر محتوا منتشر می‌کنید، پیش‌نویس‌ها را از طریق Sider.AI عبور دهید تا لحن، ساختار و SEO را قبل از انتشار زنده اصلاح کنید.

سؤالات متداول

س1: Open WebUI برای چه مواردی استفاده می‌شود؟ Open WebUI یک رابط خود-میزبان برای مدل‌های زبانی بزرگ است. به شما امکان می‌دهد با مدل‌های محلی یا ابری گپ بزنید، گردش‌کارهای RAG را با اسناد خود ایجاد کنید و اعلان‌ها و تیم‌ها را در یک مکان مدیریت کنید.

س2: چگونه از Open WebUI با Ollama استفاده کنم؟ Ollama را نصب کنید، مدلی مانند llama3 یا mistral را دریافت کنید، و سپس اتصال Ollama در Open WebUI را به http://localhost:11434 اشاره دهید. می‌توانید یک مدل پیش‌فرض تنظیم کرده و به صورت محلی با حفظ حریم خصوصی کامل شروع به گفتگو کنید.

س3: آیا Open WebUI می‌تواند RAG را با PDFها و یادداشت‌های من انجام دهد؟ بله. یک پایگاه دانش ایجاد کنید، اسناد را بارگذاری کنید، جاسازی‌ها را تولید کنید و بازیابی را در گفتگو فعال کنید. این مدل از منابع خودتان برای پاسخ‌های مستند شده نقل قول کرده و خلاصه می‌کند.

س4: آیا Open WebUI برای تیم‌ها امن است؟ می‌توانید ورود را اجباری کنید، کلیدهای API را بر اساس نقش مدیریت کنید و محدودیت‌های نرخ را تنظیم کنید. برای تولید، از HTTPS در پشت یک پروکسی معکوس استفاده کنید و محدود کنید که کدام ارائه‌دهندگان یا نقاط پایانی مجاز هستند.

س5: آیا باید از مدل‌های محلی یا ابری در Open WebUI استفاده کنم؟ از مدل‌های محلی برای حفظ حریم خصوصی، سرعت و کنترل هزینه استفاده کنید. از مدل‌های ابری برای وظایف پیچیده‌ای که نیاز به کیفیت بالاتری دارند استفاده کنید. بسیاری از تیم‌ها هر دو را ترکیب کرده و پیش‌فرض‌های خاص گفتگو را تنظیم می‌کنند.