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.

Az Open WebUI használata: Barátságos, lépésről lépésre útmutató a gyorsabb AI munkafolyamatokhoz

Ha valaha is azt kívántad, bárcsak a ChatGPT-nek lenne egy testreszabható, saját hosztolású ikertestvére, amelyet a saját modelljeidbe és adataidba köthetnél, akkor az Open WebUI pontosan az. Ez egy modern, könnyű felület a helyi vagy távoli nagyméretű nyelvi modellekkel (LLM-ek) való csevegéshez, a promptok kezeléséhez, a RAG (Retrieval-Augmented Generation) munkafolyamatok kiépítéséhez és a csapattársakkal való együttműködéshez – mindezt a böngésződből.

Ebben a gyakorlatias, megoldásorientált útmutatóban végigvezetjük az Open WebUI teljes körű használatát: beállítási lehetőségek, csatlakozás Ollama-hoz vagy API-khoz, modellek kezelése, visszakeresési folyamatok kiépítése, az instance védelme és néhány profi tipp. A végére képes leszel hatékony AI munkafolyamatokat futtatni a saját feltételeid szerint – gyorsan.

Mi az Open WebUI (és miért érdemes használni)?

Az Open WebUI egy saját hosztolású webes felület az LLM-ekhez. Tekintsd úgy, mint az AI interakcióid parancsnoki központját – hozd a saját modelljeidet (helyi vagy felhőalapú), készíts újra felhasználható promptokat, add hozzá a dokumentumaidat, és működj együtt egy tiszta, intuitív felhasználói felületen keresztül. Különösen népszerű a fejlesztők, az adatokkal foglalkozó csapatok és az adatvédelmet szem előtt tartó felhasználók körében, akik kontrollt, bővíthetőséget és sebességet szeretnének.

Főbb okok, amiért az emberek az Open WebUI-t választják:

Sajátítsd el az adataidat: Futtasd helyben vagy a szervereden.

Rugalmas háttérrendszerek: Csatlakozz helyi motorokhoz, például az Ollama-hoz, vagy távoli szolgáltatókhoz API-n keresztül.

Munkafolyamat-kész: RAG, eszközök, beágyazások és strukturált promptok.

Adminisztrációs vezérlők: API kulcskezelés, hitelesítés és környezeti konfiguráció.

A leggyorsabb módja a kezdésnek: Docker Gyorsindítás

Ha otthonosan mozogsz a Dockerben, percek alatt üzembe helyezheted.

Húzd le a képet

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

Futtasd a konténert

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

Nyisd meg a böngésződet, és látogass el ide:

Az UI-ra kerülsz, létrehozol egy adminisztrátori fiókot, és készen állsz a modellek csatlakoztatására.

Tipp: A perzisztens tároláshoz és a környezeti változókhoz (például API kulcs korlátozások és hitelesítés), válts egy docker-compose.yml fájlra, hogy tisztán csatolhass köteteket és definiálhass konfigurációt.

Csatlakozás modellekhez: Helyi (Ollama) vagy felhő API-k

Az Open WebUI háttérrendszer-agnosztikus. A következőket teheted:

Használj Ollama-t a modellek helyi futtatásához (pl. Llama 3, Phi‑3, Mistral). Ez nagyszerű az adatvédelemhez és az offline munkához.

Használj felhő API-kat, mint például az OpenAI, az Anthropic, a Google vagy mások API kulcsokon keresztül.

A. lehetőség: Használd az Ollama-t helyben

Telepítsd az Ollama-t (macOS, Linux, Windows)

Látogasd meg a ` oldalt a telepítéshez.

Húzz le egy modellt az Ollama-val

ollama pull llama3

A llama3 helyett használhatsz olyan modelleket, mint a mistral, phi3 vagy llama3:instruct az igényeidtől függően.

Indítsd el az Open WebUI-t

Győződj meg arról, hogy az Open WebUI eléri az Ollama helyi végpontját (általában `).

Az Open WebUI-ban lépj az Admin Settings → Connections → Ollama menüpontra

Add hozzá a végpontot, válaszd ki az alapértelmezett modellt (modelleket), és teszteld a kapcsolatot.

Mostantól közvetlenül a böngészőben cseveghetsz a helyi modellekkel.

B. lehetőség: Használj felhő szolgáltatókat API kulcsokon keresztül

Az Admin Settings → Providers (vagy API/Keys) menüpontban

Adj hozzá kulcsokat az OpenAI-hoz, az Anthropic-hoz vagy a Google-höz.

Válassz egy alapértelmezett modellt szolgáltatónként

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

Állíts be korlátokat

Érvényesíts sebességkorlátokat, használati köröket vagy felhasználónkénti kulcsokat a csapat beállításától függően.

Ez a hibrid megközelítés (helyi + felhő) gyakori: gyors vázlatok helyi modelleken, majd finomítás felhőmodellel, ha szükséges.

Az első csevegésed: Promptok, módok és mellékletek

Miután egy modell csatlakoztatva van, kezdj egy új csevegést. Néhány alapvető dolog:

Prompt sablonok: Mentsd el a gyakran használt utasításokat (rendszer promptokat), például: „Te vagy a Python oktatóm – magyarázz példákkal és tesztekkel.”

Módok: Válts a kreatív, tömör vagy technikai stílusok között a rendszer promptok vagy a hőmérséklet beállításával.

Mellékletek: Tölts fel fájlokat (PDF-eket, TXT-ket, CSV-ket), hogy a modell hivatkozhasson rájuk. Nagyobb vagy visszatérő korpuszokhoz hozz létre egy tudásbázist beágyazásokkal (lásd a RAG részt alább).

Profi tipp: Rendezd a csevegéseket projektek szerint. Használj címkéket, például #docs, #code vagy #analysis, hogy a jövőbeli éned gyorsan megtalálja a dolgokat.

Építs RAG-ot percek alatt: Tudás, beágyazások és keresés

A RAG (Retrieval-Augmented Generation) lehetővé teszi, hogy a modell a tartalommal (dokumentumok, jegyzetek, szabályzatok, kód) válaszoljon a kérdésekre. Íme, hogyan rakhatod össze:

Hozzon létre egy tudásbázist (KB)

Az oldalsávon hozz létre egy új KB-t vagy „Gyűjteményeket”.

Tölts fel dokumentumokat: PDF-eket, markdown-t, HTML-t vagy szöveges fájlokat.

Generálj beágyazásokat

Válaszd ki a beágyazási háttérrendszert (helyi az Ollama-n keresztül, ha van beágyazási modell, vagy felhő szolgáltató API-n keresztül).

Indexeld a dokumentumaidat; a nagyobb készletek néhány percet vehetnek igénybe.

Engedélyezd a visszakeresést a csevegésben

Egy csevegésben kapcsold be a visszakeresést, és válaszd ki a KB-t.

Tegyél fel olyan kérdéseket, mint: „Összegezd a belépési szabályzatunkat, és sorold fel a teendőket”, vagy „Milyen kivételeket engedélyezünk a biztonsági szabályzatban?”

Ismételd

Vizsgáld meg a forrásokat, finomítsd a dokumentumaidat, állítsd be a chunk méretét, és ágyazd be újra, ha a válaszok hibásnak tűnnek.

Profi tipp: Tarts fenn külön KB-kat a pontosság érdekében (pl. „Marketing szöveg”, „Jogi szabályzatok”, „Üzemeltetési kézikönyvek”). Ez csökkenti a lényegtelen visszakereséseket.

Műveletek, eszközök és munkafolyamatok

Az Open WebUI támogatja az eszközvezérelt interakciókat, így a modell „dolgokat tud csinálni”, nem csak csevegni. A beállításaidtól függően a következőket teheted:

Hívj meg függvényeket/eszközöket, amelyeket te definiálsz (pl. futtass egy szkriptet, szerezz be egy URL-t, kérdezz le egy adatbázist).

Használj rendszerprompt-munkafolyamatokat a többlépcsős feladatok strukturálásához.

Adj hozzá plugineket/kiterjesztéseket, ha a telepítésed támogatja azokat.

Példa: „Tartalmi összefoglaló” munkafolyamat

1. lépés: Kérd meg a modellt, hogy nyerjen ki kulcsszavakat egy témából.

2. lépés: Végezz kutatást egy webes eszközzel (ha engedélyezve van), és összegezd a forrásokat.

3. lépés: Készíts egy vázlatot + címváltozatokat.

4. lépés: Hozz létre egy rövid/hosszú verziót.

Mentsd el ezeket a lépéseket egy újra felhasználható sablonban, hogy a csapatod egyetlen kattintással futtathassa őket.

Modellek kezelése profiként

Több alapértelmezett: Állíts be alapértelmezett értékeket munkaterületenként vagy csevegésenként (pl. gyors helyi a brainstorminghoz, precíz felhő a végső példányhoz).

Modellkártyák: Dokumentáld, hogy melyik modell mit csinál a legjobban – „Használd a Llama 3-at kódhoz, a Mistral-t tömör összefoglalókhoz.”

Kötegelt feladatok: Használj hosszabb rendszerpromptokat és strukturált kimenetet (JSON, ellenőrzőlisták) az ismételhető feladatokhoz, mint például a QA ellenőrzések, a fordítás vagy a címkézés.

Adminisztrációs beállítások: Biztonság és irányítás

Ha csapat számára hosztolod magad, szánj néhány percet az instance megerősítésére és irányítására.

Hitelesítés: Kötelező bejelentkezés. Ha elérhető, engedélyezd az SSO/OIDC-t.

API kulcsszabályzatok: Korlátozd, hogy mely szolgáltatók használhatók, határozd meg a kulcsok hatókörét felhasználó/szerepkör szerint, és korlátozd a kimenetet, ahol szükséges.

Környezeti változók: Konfigurálj olyan dolgokat, mint a modell végpont URL-jei, a beágyazási háttérrendszerek és a kulcskorlátozások a környezeti beállításokon keresztül.

Sebességkorlátok és kvóták: Előzd meg a kontrollálatlan költségeket felhasználónkénti vagy munkaterületenkénti korlátokkal.

Ellenőrizhetőség: Ösztönözd a csapatokat, hogy címkézzék fel a csevegéseket, és tárolják az összefoglalókat, hogy nyomon követhesd a döntéseket.

Fejlesztői tipp: Helyezd az Open WebUI-t egy fordított proxy mögé (pl. Nginx/Caddy) HTTPS-sel, és állítsd be az engedélyezett eredeteket.

Csapatmunka és tudáshigiéne

Megosztott promptok és KB-k: Hozz létre kurált prompt könyvtárakat és tudásbázisokat. Rendelj hozzá karbantartókat.

Verziókontent: A szabályzati dokumentumokhoz vagy specifikációkhoz tárold a forrásokat a Gitben vagy egy dokumentumközpontban, és ágyazd be újra, amikor frissíted.

Forrás-első válaszok: Ösztönözd a felhasználókat, hogy kattintsanak az idézetekre, és olvassák be az eredeti dokumentumokat. Bízz, de ellenőrizz.

Mindennapi használati esetek (másold le ezeket)

Tartalom és marketing

Alakíts át egy rövid leírást három közönségspecifikus vázlattá.

Generálj SEO vázlatokat, GYIK-et és címeket.

Mérnöki munka

Magyarázz el egy függvényt, és generálj szélsőséges eseti teszteket.

Összegezd a PR-eket, és készíts kiadási megjegyzéseket.

Műveletek és támogatás

Építs egy KB-t az üzemeltetési kézikönyvekből és a SOP-kból.

Készíts vázlatokat a hangvétel/stílus útmutatód használatával.

Kutatás és stratégia

Összegezz 10 dokumentumot egy 1 oldalas dokumentumba idézetekkel.

Hasonlítsd össze a szállítókat egy strukturált mátrix segítségével.

Hibaelhárítás: Gyors javítások

„Nem lehet csatlakozni az Ollama-hoz”

Ellenőrizd, hogy az Ollama fut-e: `curl

Ellenőrizd a hálózati hozzáférést a konténerből a gazdagéphez.

„A modell nem található”

Húzd le a modellt az Ollama-n keresztül: ollama pull mistral

A felhő esetében ellenőrizd a pontos modellnevet és az engedélyeket.

„A RAG eredmények lényegtelennek tűnnek”

Ágyazd be újra egy jobb beágyazási modellel.

Állítsd be a chunk méretét (pl. 500–1000 token) és az átfedést.

Oszd fel a KB-t kisebb, tematikus gyűjteményekre.

„Költségek az egekben”

Állíts be sebességkorlátokat, és az alapértelmezett helyi modelleket használd a vázlatokhoz.

Teljesítménytippek és haladó lépések

Használj kisebb helyi modelleket az ötleteléshez és nagyobb/felhő modelleket a véglegesítéshez.

Gyorsítótárazd a gyakori promptokat és válaszokat, ahol lehetséges.

Alkalmazz strukturált kimeneteket (JSON, pontokba szedett ellenőrzőlisták) a downstream automatizálásokhoz.

Érzékeny adatok esetén tarts mindent helyben (Ollama + helyi beágyazások + helyszíni tárolás).

Használj rendszerpromptokat a hangvétel, a formázás és a védőkorlátok meghatározásához.

Érdemes megjegyezni: Az Open WebUI párosítása a Sider.AI-val

Ha sok tartalmat készítesz vagy kutatsz, egy munkafolyamat-kísérő segíthet. Érdemes megjegyezni: A Sider.AI segíti a hosszú formátumú munkák tervezését, összegzését és rendszerezését. Ötletelhetsz vagy visszakeresheted a kontextust az Open WebUI-ban, majd a Sider.AI szerkesztő stílusú segítségével csiszolhatod, átstrukturálhatod és SEO-optimalizálhatod a cikkeket a közzétételhez. Ez egy hasznos párosítás, ha egyszerre szeretnél kontrollt (saját hosztolású csevegés + RAG) és sebességet (közös szerkesztés és optimalizálás).

Egy egyszerű kezdő terv

Futtasd az Open WebUI-t Dockeren keresztül.

Telepítsd az Ollama-t, húzd le a llama3-at és a mistral-t.

Csatlakoztasd az Open WebUI-t a és állítsd bemistral` -t alapértelmezettként a csevegéshez.

Hozzon létre KB-kat: Szabályzatok, Marketing, Üzemeltetési kézikönyvek; ágyazd be egy erős beágyazási modellel.

Mentsd el a következő három prompt sablont: „Összegző pontokkal”, „SEO vázlatgenerátor” és „Kiadási megjegyzések írója”.

Adj hozzá sebességkorlátokat, és kötelezd a bejelentkezést.

Ezzel a beállítással a legtöbb csapat lefedheti a napi AI feladatok 80%-át.

Főbb következtetések

Az Open WebUI egy tiszta, vezérelhető felhasználói felületet biztosít a helyi és felhőalapú LLM-ekkel való munkához.

Az adatvédelem és a sebesség érdekében párosítsd Ollama-val helyben; keverd hozzá a felhőmodelleket, amikor szükséges.

Használd a RAG-ot a válaszok megalapozásához a dokumentumaidban; tartsd a KB-kat kicsinek és fókuszáltnak.

Biztosítsd az instance-t hitelesítéssel, kulcsszabályzatokkal és sebességkorlátokkal.

Szabványosítsd a promptokat és a kimeneteket, hogy a csapatod munkája következetes és automatizálható legyen.

Következő lépések

Pörgesd fel az Open WebUI-t Dockerrel, és csatlakozz az Ollama-hoz.

Hozd létre az első tudásbázisodat, és próbálj ki egy visszakeresés-alapú csevegést.

Mentsd el azt a három prompt sablont, amelyet a csapatod naponta újra felhasznál.

Ha tartalmat teszel közzé, futtasd át a vázlatokat a Sider.AI-n, hogy finomítsd a hangvételt, a struktúrát és a SEO-t, mielőtt élesbe mennél.

GYIK

Q1:Mire használják az Open WebUI-t? Az Open WebUI egy saját hosztolású felület a nagyméretű nyelvi modellekhez. Lehetővé teszi, hogy csevegj helyi vagy felhőmodellekkel, RAG munkafolyamatokat építs ki a dokumentumaiddal, és egy helyen kezelhesd a promptokat és a csapatokat.

Q2:Hogyan használhatom az Open WebUI-t az Ollama-val? Telepítsd az Ollama-t, húzz le egy modellt, például a llama3-at vagy a mistral-t, majd irányítsd az Open WebUI Ollama kapcsolatát a http://localhost:11434 címre. Beállíthatsz egy alapértelmezett modellt, és helyben, teljes adatvédelemmel kezdhetsz csevegni.

Q3:Képes az Open WebUI RAG-ot végezni a PDF-jeimmel és jegyzeteimmel? Igen. Hozz létre egy tudásbázist, tölts fel dokumentumokat, generálj beágyazásokat, és engedélyezd a visszakeresést a csevegésben. A modell a saját forrásaidból fog idézni és összefoglalni a megalapozott válaszokhoz.

Q4:Az Open WebUI biztonságos a csapatok számára? Érvényesítheted a bejelentkezést, kezelheted az API kulcsokat szerepkör szerint, és beállíthatsz sebességkorlátokat. Éles üzemben használj HTTPS-t egy fordított proxy mögött, és korlátozd, hogy mely szolgáltatók vagy végpontok engedélyezettek.

Q5:Helyi vagy felhőmodelleket használjak az Open WebUI-ban? Használj helyi modelleket az adatvédelem, a sebesség és a költségellenőrzés érdekében; használj felhőmodelleket a komplexebb feladatokhoz, amelyek magasabb minőséget igényelnek. Sok csapat kombinálja mindkettőt, és csevegés-specifikus alapértelmezéseket állít be.