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.

Cara Menggunakan Open WebUI: Panduan Langkah demi Langkah yang Mudah untuk Alur Kerja AI yang Lebih Cepat

Jika Anda pernah berharap ChatGPT memiliki kembaran yang dapat disesuaikan dan di-host sendiri yang dapat Anda hubungkan ke model dan data Anda sendiri, Open WebUI adalah jawabannya. Ini adalah antarmuka modern dan ringan untuk mengobrol dengan model bahasa besar (LLM) lokal atau jarak jauh, mengelola prompt, membangun alur kerja RAG (Retrieval-Augmented Generation), dan berkolaborasi dengan rekan satu tim—semuanya dari browser Anda.

Dalam panduan praktis dan berorientasi solusi ini, kita akan membahas cara menggunakan Open WebUI dari awal hingga akhir: opsi pengaturan, menghubungkan ke Ollama atau API, mengelola model, membangun alur pengambilan, mengamankan instance Anda, dan beberapa tips pro. Pada akhirnya, Anda akan dapat menjalankan alur kerja AI yang canggih sesuai dengan keinginan Anda—dengan cepat.

Apa Itu Open WebUI (dan Mengapa Menggunakannya)?

Open WebUI adalah antarmuka web yang dapat di-host sendiri untuk LLM. Anggap saja ini sebagai pusat komando untuk interaksi AI Anda—bawa model Anda sendiri (lokal atau cloud), buat prompt yang dapat digunakan kembali, tambahkan dokumen Anda, dan berkolaborasi melalui UI yang bersih dan intuitif. Ini sangat populer di kalangan pengembang, tim data, dan pengguna yang sadar privasi yang menginginkan kontrol, ekstensibilitas, dan kecepatan.

Alasan utama orang memilih Open WebUI:

Miliki data Anda: Jalankan secara lokal atau di server Anda.

Backend yang fleksibel: Hubungkan ke mesin lokal seperti Ollama atau penyedia jarak jauh melalui API.

Siap untuk alur kerja: RAG, alat, embeddings, dan prompt terstruktur.

Kontrol admin: Manajemen kunci API, autentikasi, dan konfigurasi lingkungan.

Cara Tercepat untuk Memulai: Mulai Cepat dengan Docker

Jika Anda terbiasa dengan Docker, Anda dapat memulai dan menjalankan dalam hitungan menit.

Tarik image

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

Jalankan container

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

Buka browser Anda dan kunjungi

Anda akan mendarat di UI, membuat akun admin, dan Anda siap untuk menghubungkan model.

Tip: Untuk penyimpanan persisten dan variabel lingkungan (seperti batasan kunci API dan autentikasi), beralihlah ke docker-compose.yml sehingga Anda dapat memasang volume dan menentukan konfigurasi dengan bersih.

Menghubungkan ke Model: Lokal (Ollama) atau API Cloud

Open WebUI bersifat backend-agnostik. Anda dapat:

Gunakan Ollama untuk menjalankan model secara lokal (misalnya, Llama 3, Phi-3, Mistral). Ini sangat bagus untuk privasi dan pekerjaan offline.

Gunakan API cloud seperti OpenAI, Anthropic, Google, atau lainnya melalui kunci API.

Opsi A: Gunakan Ollama Secara Lokal

Instal Ollama (macOS, Linux, Windows)

Kunjungi ` untuk menginstal.

Tarik model dengan Ollama

ollama pull llama3

Anda dapat mengganti llama3 dengan model seperti mistral, phi3, atau llama3:instruct tergantung pada kebutuhan Anda.

Mulai Open WebUI

Pastikan Open WebUI dapat menjangkau endpoint lokal Ollama (biasanya `).

Di Open WebUI, buka Admin Settings → Connections → Ollama

Tambahkan endpoint, pilih model default, dan uji koneksi.

Sekarang Anda dapat mengobrol dengan model lokal langsung di browser.

Opsi B: Gunakan Penyedia Cloud melalui Kunci API

Di Admin Settings → Providers (atau API/Keys)

Tambahkan kunci untuk OpenAI, Anthropic, atau Google.

Pilih model default per penyedia

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

Tetapkan batasan

Terapkan batasan tarif, lingkup penggunaan, atau kunci per pengguna tergantung pada pengaturan tim Anda.

Pendekatan hibrida ini (lokal + cloud) adalah umum: draf cepat pada model lokal, lalu perbaiki dengan model cloud saat dibutuhkan.

Obrolan Pertama Anda: Prompt, Mode, dan Lampiran

Setelah model terhubung, mulai obrolan baru. Beberapa dasar:

Templat prompt: Simpan instruksi yang sering digunakan (prompt sistem) seperti “Anda adalah tutor Python saya—jelaskan dengan contoh dan pengujian.”

Mode: Beralih antara gaya kreatif, ringkas, atau teknis dengan menyesuaikan prompt sistem atau suhu.

Lampiran: Unggah file (PDF, TXT, CSV) untuk direferensikan oleh model. Untuk korpora besar atau berulang, buat basis pengetahuan dengan embeddings (lihat RAG di bawah).

Tip pro: Atur obrolan berdasarkan proyek. Gunakan tag seperti #docs, #code, atau #analysis sehingga Anda dapat menemukan sesuatu dengan cepat di masa mendatang.

Bangun RAG dalam Menit: Pengetahuan, Embeddings, dan Pencarian

RAG (Retrieval-Augmented Generation) memungkinkan model Anda menjawab pertanyaan dengan konten Anda (dokumen, catatan, kebijakan, kode). Berikut cara menyusunnya:

Buat Basis Pengetahuan (KB)

Di sidebar, buat KB atau “Koleksi” baru.

Unggah dokumen: PDF, markdown, HTML, atau file teks.

Hasilkan Embeddings

Pilih backend embeddings (lokal melalui Ollama jika Anda memiliki model embeddings, atau penyedia cloud melalui API).

Indeks dokumen Anda; set yang lebih besar mungkin membutuhkan beberapa menit.

Aktifkan Pengambilan di Obrolan

Dalam obrolan, alihkan pengambilan dan pilih KB Anda.

Ajukan pertanyaan seperti “Ringkas kebijakan orientasi kita dan daftarkan item tindakan,” atau “Pengecualian apa yang kita izinkan dalam kebijakan keamanan?”

Ulangi

Periksa sumber, perbaiki dokumen Anda, sesuaikan ukuran chunking, dan embed ulang jika jawaban tampak tidak tepat.

Tip pro: Pertahankan KB terpisah untuk akurasi (misalnya, “Salinan pemasaran,” “Kebijakan hukum,” “Runbook”). Ini mengurangi pengambilan yang tidak relevan.

Tindakan, Alat, dan Alur Kerja

Open WebUI mendukung interaksi berbasis alat sehingga model dapat “melakukan sesuatu,” bukan hanya mengobrol. Tergantung pada pengaturan Anda, Anda dapat:

Panggil fungsi/alat yang Anda definisikan (misalnya, jalankan skrip, ambil URL, kueri database).

Gunakan alur kerja prompt sistem untuk menyusun tugas multi-langkah.

Tambahkan plugin/ekstensi jika penerapan Anda mendukungnya.

Contoh: Alur kerja “Brief Konten”

Langkah 1: Minta model untuk mengekstrak kata kunci dari suatu topik.

Langkah 2: Lakukan riset melalui alat web (jika diaktifkan) dan ringkas sumber.

Langkah 3: Buat garis besar + varian judul.

Langkah 4: Buat versi pendek/panjang.

Simpan langkah-langkah ini dalam templat yang dapat digunakan kembali sehingga tim Anda dapat menjalankannya dengan satu klik.

Mengelola Model Seperti Profesional

Beberapa default: Tetapkan default per ruang kerja atau per obrolan (misalnya, lokal cepat untuk brainstorming, cloud presisi untuk salinan akhir).

Kartu model: Dokumentasikan apa yang paling baik dilakukan oleh setiap model—“Gunakan Llama 3 untuk kode, Mistral untuk ringkasan ringkas.”

Tugas batch: Gunakan prompt sistem yang lebih panjang dan output terstruktur (JSON, daftar periksa) untuk tugas yang dapat diulang seperti pemeriksaan QA, terjemahan, atau penandaan.

Pengaturan Admin: Keamanan dan Tata Kelola

Jika Anda melakukan self-hosting untuk tim, luangkan beberapa menit untuk memperkuat dan mengatur instance Anda.

Autentikasi: Wajibkan masuk. Jika tersedia, aktifkan SSO/OIDC.

Kebijakan kunci API: Batasi penyedia mana yang dapat digunakan, lingkup kunci berdasarkan pengguna/peran, dan batasi egress jika sesuai.

Variabel lingkungan: Konfigurasikan hal-hal seperti URL endpoint model, backend embedding, dan batasan kunci melalui pengaturan env.

Batasan tarif dan kuota: Cegah biaya tak terkendali dengan batasan per pengguna atau per ruang kerja.

Auditabilitas: Dorong tim untuk memberi label pada obrolan dan menyimpan ringkasan sehingga Anda dapat melacak keputusan.

Tip pengembang: Tempatkan Open WebUI di belakang reverse proxy (misalnya, Nginx/Caddy) dengan HTTPS dan tetapkan asal yang diizinkan.

Kolaborasi Tim dan Kebersihan Pengetahuan

Prompt dan KB bersama: Buat perpustakaan prompt dan basis pengetahuan yang dikurasi. Tetapkan pengelola.

Konten versi: Untuk dokumen kebijakan atau spesifikasi, simpan sumber di Git atau hub dokumen dan embed ulang saat diperbarui.

Jawaban berbasis sumber: Dorong pengguna untuk mengklik kutipan dan memindai dokumen asli. Percaya, tetapi verifikasi.

Kasus Penggunaan Sehari-hari (Salin Ini)

Konten & pemasaran

Ubah brief menjadi tiga draf khusus audiens.

Hasilkan garis besar SEO, FAQ, dan judul.

Rekayasa

Jelaskan suatu fungsi dan hasilkan pengujian kasus edge.

Ringkas PR dan hasilkan catatan rilis.

Operasi & dukungan

Bangun KB dari runbook dan SOP.

Buat draf respons menggunakan panduan nada/gaya Anda.

Riset & strategi

Ringkas 10 dokumen menjadi 1 halaman dengan kutipan.

Bandingkan vendor menggunakan matriks terstruktur.

Pemecahan Masalah: Perbaikan Cepat

“Tidak dapat terhubung ke Ollama”

Periksa apakah Ollama berjalan: `curl

Verifikasi akses jaringan dari container ke host.

“Model tidak ditemukan”

Tarik model melalui Ollama: ollama pull mistral

Untuk cloud, konfirmasikan nama dan izin model yang tepat.

“Hasil RAG terlihat tidak relevan”

Embed ulang dengan model embeddings yang lebih baik.

Sesuaikan ukuran chunk (misalnya, 500–1.000 token) dan tumpang tindih.

Bagi KB Anda menjadi koleksi topikal yang lebih kecil.

“Biaya melonjak”

Tetapkan batasan tarif dan default ke model lokal untuk draf.

Tips Kinerja dan Langkah Tingkat Lanjut

Gunakan model lokal yang lebih kecil untuk ideasi dan model cloud yang lebih besar untuk finalisasi.

Cache prompt dan respons yang sering jika memungkinkan.

Adopsi output terstruktur (JSON, daftar periksa poin) untuk otomatisasi hilir.

Untuk data sensitif, simpan semuanya secara lokal (Ollama + embeddings lokal + penyimpanan on-prem).

Gunakan prompt sistem untuk menentukan nada, pemformatan, dan pagar pembatas.

Perlu Dicatat: Memasangkan Open WebUI dengan Sider.AI

Jika Anda menghasilkan banyak konten atau riset, pendamping alur kerja dapat membantu. Perlu dicatat: Sider.AI membantu dengan membuat draf, meringkas, dan mengatur pekerjaan bentuk panjang. Anda dapat membuat ide atau mengambil konteks di Open WebUI, lalu menggunakan bantuan gaya editor Sider.AI untuk memoles, menyusun ulang, dan mengoptimalkan artikel SEO untuk penerbitan. Ini adalah pasangan yang bermanfaat ketika Anda menginginkan kontrol (obrolan yang di-host sendiri + RAG) dan kecepatan (pengeditan dan pengoptimalan kolaboratif).

Blueprint Pemula Sederhana

Jalankan Open WebUI melalui Docker.

Instal Ollama, tarik llama3 dan mistral.

Hubungkan Open WebUI ke dan tetapkanmistral` sebagai default untuk obrolan.

Buat KB: Kebijakan, Pemasaran, Runbook; embed dengan model embeddings yang kuat.

Simpan tiga templat prompt: “Pembuat ringkasan dengan poin-poin,” “Generator garis besar SEO,” dan “Penulis catatan rilis.”

Tambahkan batasan tarif dan wajibkan login.

Dengan pengaturan ini, sebagian besar tim dapat mencakup 80% tugas AI harian.

Poin-Poin Penting

Open WebUI memberi Anda UI yang bersih dan dapat dikontrol untuk bekerja dengan LLM lokal dan cloud.

Untuk privasi dan kecepatan, pasangkan dengan Ollama secara lokal; campurkan model cloud saat dibutuhkan.

Gunakan RAG untuk mendasarkan jawaban pada dokumen Anda; jaga agar KB tetap kecil dan fokus.

Amankan instance Anda dengan autentikasi, kebijakan kunci, dan batasan tarif.

Standarisasi prompt dan output sehingga pekerjaan tim Anda konsisten dan dapat diotomatisasi.

Langkah Selanjutnya

Putar Open WebUI dengan Docker dan hubungkan ke Ollama.

Buat basis pengetahuan pertama Anda dan coba obrolan yang didukung pengambilan.

Simpan tiga templat prompt yang akan digunakan kembali oleh tim Anda setiap hari.

Jika Anda menerbitkan konten, lewati draf melalui Sider.AI untuk menyempurnakan nada, struktur, dan SEO sebelum ditayangkan.

FAQ

Q1:Untuk apa Open WebUI digunakan? Open WebUI adalah antarmuka yang di-host sendiri untuk model bahasa besar. Ini memungkinkan Anda mengobrol dengan model lokal atau cloud, membangun alur kerja RAG dengan dokumen Anda, dan mengelola prompt dan tim di satu tempat.

Q2:Bagaimana cara menggunakan Open WebUI dengan Ollama? Instal Ollama, tarik model seperti llama3 atau mistral, lalu arahkan koneksi Ollama Open WebUI ke http://localhost:11434. Anda dapat mengatur model default dan mulai mengobrol secara lokal dengan privasi penuh.

Q3:Bisakah Open WebUI melakukan RAG dengan PDF dan catatan saya? Ya. Buat basis pengetahuan, unggah dokumen, hasilkan embeddings, dan aktifkan pengambilan di obrolan. Model akan mengutip dan meringkas dari sumber Anda sendiri untuk jawaban yang mendasar.

Q4:Apakah Open WebUI aman untuk tim? Anda dapat memberlakukan masuk, mengelola kunci API berdasarkan peran, dan menetapkan batasan tarif. Untuk produksi, gunakan HTTPS di belakang reverse proxy dan batasi penyedia atau endpoint mana yang diizinkan.

Q5:Haruskah saya menggunakan model lokal atau cloud di Open WebUI? Gunakan model lokal untuk privasi, kecepatan, dan kontrol biaya; gunakan model cloud untuk tugas kompleks yang membutuhkan kualitas lebih tinggi. Banyak tim menggabungkan keduanya dan menetapkan default khusus obrolan.