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.

Come Utilizzare Open WebUI: Una Guida Amichevole e Passo-Passo per Flussi di Lavoro AI Più Veloci

Se hai mai desiderato che ChatGPT avesse un gemello personalizzabile e auto-ospitato che potessi collegare ai tuoi modelli e dati, Open WebUI è esattamente questo. È un'interfaccia moderna e leggera per chattare con modelli linguistici di grandi dimensioni (LLM) locali o remoti, gestire i prompt, costruire flussi di lavoro RAG (Retrieval-Augmented Generation) e collaborare con i membri del team, tutto dal tuo browser.

In questa guida pratica e orientata alla soluzione, esamineremo come utilizzare Open WebUI end-to-end: opzioni di configurazione, connessione a Ollama o API, gestione dei modelli, creazione di flussi di recupero, protezione della tua istanza e una manciata di suggerimenti da professionisti. Alla fine, sarai in grado di eseguire potenti flussi di lavoro AI alle tue condizioni, velocemente.

Cos'è Open WebUI (e Perché Usarlo)?

Open WebUI è un'interfaccia web auto-ospitabile per LLM. Pensalo come il centro di comando per le tue interazioni AI: porta i tuoi modelli (locali o cloud), crea prompt riutilizzabili, aggiungi i tuoi documenti e collabora attraverso un'interfaccia utente pulita e intuitiva. È particolarmente popolare tra sviluppatori, team di dati e utenti attenti alla privacy che desiderano controllo, estensibilità e velocità.

Motivi principali per cui le persone scelgono Open WebUI:

Possiedi i tuoi dati: Esegui localmente o sul tuo server.

Backend flessibili: Connettiti a motori locali come Ollama o provider remoti tramite API.

Pronto per il flusso di lavoro: RAG, strumenti, embedding e prompt strutturati.

Controlli amministrativi: Gestione delle chiavi API, autenticazione e configurazione dell'ambiente.

Il Modo Più Veloce per Iniziare: Avvio Rapido con Docker

Se hai familiarità con Docker, puoi essere operativo in pochi minuti.

Scarica l'immagine

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

Esegui il container

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

Apri il tuo browser e visita

Arriverai all'interfaccia utente, creerai un account amministratore e sarai pronto per connettere i modelli.

Suggerimento: per l'archiviazione persistente e le variabili d'ambiente (come le restrizioni delle chiavi API e l'autenticazione), passa a un file docker-compose.yml in modo da poter montare i volumi e definire la configurazione in modo pulito.

Connessione ai Modelli: Locale (Ollama) o API Cloud

Open WebUI è agnostico rispetto al backend. Puoi:

Utilizzare Ollama per eseguire modelli localmente (ad esempio, Llama 3, Phi-3, Mistral). Questo è ottimo per la privacy e il lavoro offline.

Utilizzare API cloud come OpenAI, Anthropic, Google o altri tramite chiavi API.

Opzione A: Utilizzare Ollama Localmente

Installa Ollama (macOS, Linux, Windows)

Visita ` per installare.

Scarica un modello con Ollama

ollama pull llama3

Puoi sostituire llama3 con modelli come mistral, phi3 o llama3:instruct a seconda delle tue esigenze.

Avvia Open WebUI

Assicurati che Open WebUI possa raggiungere l'endpoint locale di Ollama (di solito `).

In Open WebUI, vai su Admin Settings → Connections → Ollama

Aggiungi l'endpoint, scegli i modelli predefiniti e testa la connessione.

Ora puoi chattare con i modelli locali direttamente nel browser.

Opzione B: Utilizzare i Provider Cloud tramite Chiavi API

In Admin Settings → Providers (o API/Keys)

Aggiungi le chiavi per OpenAI, Anthropic o Google.

Scegli un modello predefinito per provider

Ad esempio: gpt-4o-mini (OpenAI), claude-3-haiku (Anthropic) o gemini-1.5-flash (Google).

Imposta i limiti

Applica limiti di frequenza, ambiti di utilizzo o chiavi per utente a seconda della configurazione del tuo team.

Questo approccio ibrido (locale + cloud) è comune: bozze rapide su modelli locali, quindi perfeziona con un modello cloud quando necessario.

La Tua Prima Chat: Prompt, Modalità e Allegati

Una volta che un modello è connesso, avvia una nuova chat. Alcune nozioni di base:

Modelli di prompt: Salva le istruzioni utilizzate di frequente (prompt di sistema) come "Sei il mio tutor di Python: spiega con esempi e test."

Modalità: Passa da stili creativi, concisi o tecnici regolando i prompt di sistema o la temperatura.

Allegati: Carica file (PDF, TXT, CSV) a cui il modello può fare riferimento. Per corpora di grandi dimensioni o ricorrenti, crea una knowledge base con embedding (vedi RAG sotto).

Suggerimento da professionisti: Organizza le chat per progetto. Usa tag come #docs, #code o #analysis in modo che tu possa trovare le cose velocemente in futuro.

Costruisci RAG in Minuti: Conoscenza, Embedding e Ricerca

RAG (Retrieval-Augmented Generation) consente al tuo modello di rispondere alle domande con i tuoi contenuti (documenti, note, policy, codice). Ecco come metterlo insieme:

Crea una Knowledge Base (KB)

Nella barra laterale, crea una nuova KB o "Collections".

Carica documenti: PDF, markdown, HTML o file di testo.

Genera Embedding

Scegli il backend di embedding (locale tramite Ollama se hai un modello di embedding o un provider cloud tramite API).

Indicizza i tuoi documenti; set più grandi potrebbero richiedere alcuni minuti.

Abilita il Recupero nella Chat

In una chat, attiva il recupero e seleziona la tua KB.

Poni domande come "Riassumi la nostra politica di onboarding ed elenca le azioni da intraprendere" o "Quali eccezioni consentiamo nella politica di sicurezza?".

Itera

Ispeziona le fonti, perfeziona i tuoi documenti, regola le dimensioni dei chunk e re-includi se le risposte sembrano errate.

Suggerimento da professionisti: Mantieni KB separate per accuratezza (ad esempio, "Testo di marketing", "Policy legali", "Runbook"). Questo riduce i recuperi irrilevanti.

Azioni, Strumenti e Flussi di Lavoro

Open WebUI supporta interazioni guidate da strumenti in modo che il modello possa "fare cose", non solo chattare. A seconda della tua configurazione, puoi:

Richiamare funzioni/strumenti che definisci (ad esempio, eseguire uno script, recuperare un URL, interrogare un database).

Utilizzare flussi di lavoro di prompt di sistema per strutturare attività multi-step.

Aggiungere plugin/estensioni se la tua implementazione li supporta.

Esempio: Un flusso di lavoro "Content Brief"

Passaggio 1: Chiedi al modello di estrarre le parole chiave da un argomento.

Passaggio 2: Ricerca tramite uno strumento web (se abilitato) e riassumi le fonti.

Passaggio 3: Redigi una bozza + varianti del titolo.

Passaggio 4: Crea una versione breve/lunga.

Salva questi passaggi in un modello riutilizzabile in modo che il tuo team possa eseguirli con un solo clic.

Gestire i Modelli Come un Professionista

Più predefiniti: Imposta predefiniti per area di lavoro o per chat (ad esempio, locale veloce per il brainstorming, cloud preciso per la copia finale).

Schede modello: Documenta ciò che ogni modello fa meglio: "Usa Llama 3 per il codice, Mistral per riassunti concisi."

Attività batch: Utilizza prompt di sistema più lunghi e output strutturati (JSON, checklist) per attività ripetibili come controlli QA, traduzione o tagging.

Impostazioni di Amministrazione: Sicurezza e Governance

Se ti stai auto-ospitando per un team, prenditi qualche minuto per rafforzare e governare la tua istanza.

Autenticazione: Richiedi l'accesso. Se disponibile, abilita SSO/OIDC.

Policy delle chiavi API: Limita quali provider possono essere utilizzati, definisci l'ambito delle chiavi per utente/ruolo e limita l'uscita dove appropriato.

Variabili d'ambiente: Configura elementi come URL endpoint del modello, backend di embedding e restrizioni delle chiavi tramite impostazioni env.

Limiti di frequenza e quote: Previeni costi eccessivi con limiti per utente o per area di lavoro.

Auditabilità: Incoraggia i team a etichettare le chat e a memorizzare i riassunti in modo da poter tracciare le decisioni.

Suggerimento per sviluppatori: Metti Open WebUI dietro un proxy inverso (ad esempio, Nginx/Caddy) con HTTPS e imposta le origini consentite.

Collaborazione di Team e Igiene della Conoscenza

Prompt e KB condivisi: Crea librerie di prompt e knowledge base curate. Assegna i manutentori.

Versiona i contenuti: Per documenti di policy o specifiche, archivia le fonti in Git o in un hub di documenti e re-includi quando vengono aggiornati.

Risposte con priorità alla fonte: Incoraggia gli utenti a fare clic sulle citazioni e a scansionare i documenti originali. Fidarsi è bene, non fidarsi è meglio.

Casi d'Uso Quotidiani (Copia Questi)

Contenuti e marketing

Trasforma un brief in tre bozze specifiche per il pubblico.

Genera bozze SEO, FAQ e titoli.

Ingegneria

Spiega una funzione e genera test di edge-case.

Riassumi le PR e produci le note di rilascio.

Operazioni e supporto

Costruisci una KB da runbook e SOP.

Redigi risposte usando la tua guida di tono/stile.

Ricerca e strategia

Riassumi 10 documenti in una pagina con citazioni.

Confronta i fornitori usando una matrice strutturata.

Risoluzione dei Problemi: Correzioni Rapide

"Impossibile connettersi a Ollama"

Verifica che Ollama sia in esecuzione: `curl

Verifica l'accesso alla rete dal container all'host.

"Modello non trovato"

Scarica il modello tramite Ollama: ollama pull mistral

Per il cloud, conferma il nome esatto del modello e le autorizzazioni.

"I risultati RAG sembrano irrilevanti"

Re-includi con un modello di embedding migliore.

Regola le dimensioni dei chunk (ad esempio, 500–1.000 token) e la sovrapposizione.

Dividi la tua KB in raccolte più piccole e tematiche.

"Costi in aumento"

Imposta limiti di frequenza e imposta i modelli locali come predefiniti per le bozze.

Suggerimenti sulle Prestazioni e Mosse Avanzate

Utilizza modelli locali più piccoli per l'ideazione e modelli cloud/più grandi per la finalizzazione.

Memorizza nella cache prompt e risposte frequenti, ove possibile.

Adotta output strutturati (JSON, checklist puntate) per automazioni downstream.

Per i dati sensibili, mantieni tutto locale (Ollama + embedding locali + archiviazione on-prem).

Utilizza prompt di sistema per definire tono, formattazione e guardrail.

Vale la Pena Notare: Abbinare Open WebUI con Sider.AI

Se produci molti contenuti o ricerche, un compagno di flusso di lavoro può aiutarti. Vale la pena notare: Sider.AI assiste nella stesura, nel riassunto e nell'organizzazione di lavori di lunga durata. Puoi ideare o recuperare il contesto in Open WebUI, quindi utilizzare l'assistenza in stile editor di Sider.AI per rifinire, ristrutturare e ottimizzare gli articoli SEO per la pubblicazione. È un abbinamento utile quando desideri sia il controllo (chat auto-ospitata + RAG) sia la velocità (editing e ottimizzazione collaborativi).

Un Semplice Progetto Iniziale

Esegui Open WebUI tramite Docker.

Installa Ollama, scarica llama3 e mistral.

Connetti Open WebUI a e impostamistral` come predefinito per la chat.

Crea KB: Policy, Marketing, Runbook; includi con un modello di embedding forte.

Salva tre modelli di prompt: "Riassuntore con punti", "Generatore di bozze SEO" e "Scrittore di note di rilascio".

Aggiungi limiti di frequenza e richiedi l'accesso.

Con questa configurazione, la maggior parte dei team può coprire l'80% delle attività AI quotidiane.

Punti Chiave

Open WebUI ti offre una UI pulita e controllabile per lavorare con LLM locali e cloud.

Per privacy e velocità, abbinalo a Ollama localmente; integra i modelli cloud quando necessario.

Utilizza RAG per basare le risposte sui tuoi documenti; mantieni le KB piccole e focalizzate.

Proteggi la tua istanza con autenticazione, policy delle chiavi e limiti di frequenza.

Standardizza prompt e output in modo che il lavoro del tuo team sia coerente e automatizzabile.

Passaggi Successivi

Avvia Open WebUI con Docker e connettiti a Ollama.

Crea la tua prima knowledge base e prova una chat basata sul recupero.

Salva tre modelli di prompt che il tuo team riutilizzerà quotidianamente.

Se pubblichi contenuti, passa le bozze attraverso Sider.AI per affinare il tono, la struttura e la SEO prima di andare online.

FAQ

D1: A cosa serve Open WebUI? Open WebUI è un'interfaccia auto-ospitata per modelli linguistici di grandi dimensioni. Ti consente di chattare con modelli locali o cloud, creare flussi di lavoro RAG con i tuoi documenti e gestire prompt e team in un unico posto.

D2: Come posso utilizzare Open WebUI con Ollama? Installa Ollama, scarica un modello come llama3 o mistral, quindi punta la connessione Ollama di Open WebUI a http://localhost:11434. Puoi impostare un modello predefinito e iniziare a chattare localmente con la massima privacy.

D3: Open WebUI può fare RAG con i miei PDF e le mie note? Sì. Crea una knowledge base, carica documenti, genera embedding e abilita il recupero nella chat. Il modello citerà e riassumerà dalle tue fonti per risposte basate sui dati.

D4: Open WebUI è sicuro per i team? Puoi imporre l'accesso, gestire le chiavi API per ruolo e impostare limiti di frequenza. Per la produzione, utilizza HTTPS dietro un proxy inverso e limita quali provider o endpoint sono consentiti.

D5: Devo utilizzare modelli locali o cloud in Open WebUI? Utilizza modelli locali per privacy, velocità e controllo dei costi; utilizza modelli cloud per attività complesse che richiedono una qualità superiore. Molti team combinano entrambi e impostano impostazioni predefinite specifiche per la chat.