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.

Hvordan bruke Open WebUI: En vennlig, trinnvis veiledning for raskere AI-arbeidsflyter

Har du noen gang ønsket at ChatGPT hadde en tilpassbar, selv-hostet tvilling du kunne koble til dine egne modeller og data, er Open WebUI akkurat det. Det er et moderne, lett grensesnitt for å chatte med lokale eller eksterne store språkmodeller (LLMer), administrere meldinger, bygge RAG (Retrieval-Augmented Generation) arbeidsflyter og samarbeide med lagkamerater – alt fra nettleseren din.

I denne praktiske, løsningsorienterte veiledningen vil vi gå gjennom hvordan du bruker Open WebUI fra start til slutt: oppsettalternativer, koble til Ollama eller APIer, administrere modeller, bygge gjenfinningsflyter, sikre din instans og en håndfull profftips. Innen slutten av denne veiledningen vil du være i stand til å kjøre kraftige AI-arbeidsflyter på dine egne premisser – raskt.

Hva er Open WebUI (og hvorfor bruke det)?

Open WebUI er et selv-hostbart webgrensesnitt for LLMer. Tenk på det som kommandosentralen for dine AI-interaksjoner – ta med dine egne modeller (lokale eller skybaserte), lag gjenbrukbare meldinger, legg til dokumentene dine og samarbeid gjennom et rent, intuitivt brukergrensesnitt. Det er spesielt populært blant utviklere, datateam og personvernbevisste brukere som ønsker kontroll, utvidbarhet og hastighet.

Viktige grunner til at folk velger Open WebUI:

Eie dine data: Kjør lokalt eller på serveren din.

Fleksible backender: Koble til lokale motorer som Ollama eller eksterne leverandører via API.

Arbeidsflyt-klar: RAG, verktøy, embeddings og strukturerte meldinger.

Admin kontroller: API-nøkkeladministrasjon, autentisering og miljøkonfigurasjon.

Den raskeste måten å starte på: Docker Quick Start

Hvis du er komfortabel med Docker, kan du være oppe og gå på få minutter.

Hent bildet

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

Kjør containeren

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

Åpne nettleseren din og besøk

Du vil lande på brukergrensesnittet, opprette en administratorkonto, og du er klar til å koble til modeller.

Tips: For vedvarende lagring og miljøvariabler (som API-nøkkelbegrensninger og autentisering), bytt til en docker-compose.yml slik at du kan montere volumer og definere konfigurasjonen på en ren måte.

Koble til modeller: Lokale (Ollama) eller sky-APIer

Open WebUI er backend-agnostisk. Du kan:

Bruk Ollama til å kjøre modeller lokalt (f.eks. Llama 3, Phi-3, Mistral). Dette er flott for personvern og offline arbeid.

Bruk sky-APIer som OpenAI, Anthropic, Google eller andre via API-nøkler.

Alternativ A: Bruk Ollama lokalt

Installer Ollama (macOS, Linux, Windows)

Besøk ` for å installere.

Hent en modell med Ollama

ollama pull llama3

Du kan erstatte llama3 med modeller som mistral, phi3 eller llama3:instruct avhengig av dine behov.

Start Open WebUI

Sørg for at Open WebUI kan nå Ollamas lokale endepunkt (vanligvis `).

I Open WebUI, gå til Admin Settings → Connections → Ollama

Legg til endepunktet, velg standardmodell(er) og test tilkoblingen.

Nå kan du chatte med lokale modeller direkte i nettleseren.

Alternativ B: Bruk skyleverandører via API-nøkler

I Admin Settings → Providers (eller API/Keys)

Legg til nøkler for OpenAI, Anthropic eller Google.

Velg en standardmodell per leverandør

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

Sett grenser

Håndhev frekvensgrenser, bruksområder eller per-bruker nøkler avhengig av teamoppsettet ditt.

Denne hybridtilnærmingen (lokal + sky) er vanlig: raske utkast på lokale modeller, og deretter finjustere med en skymodell når det er nødvendig.

Din første chat: Meldinger, moduser og vedlegg

Når en modell er koblet til, start en ny chat. Noen grunnleggende ting:

Meldingsmaler: Lagre ofte brukte instruksjoner (systemmeldinger) som «Du er min Python-lærer – forklar med eksempler og tester.»

Moduser: Bytt mellom kreative, konsise eller tekniske stiler ved å justere systemmeldinger eller temperatur.

Vedlegg: Last opp filer (PDF-er, TXT, CSV) som modellen kan referere til. For store eller tilbakevendende datasamlinger, opprett en kunnskapsbase med embeddings (se RAG nedenfor).

Profftips: Organiser chatter etter prosjekt. Bruk tagger som #docs, #code eller #analysis slik at du raskt kan finne ting i fremtiden.

Bygg RAG på få minutter: Kunnskap, embeddings og søk

RAG (Retrieval-Augmented Generation) lar modellen din svare på spørsmål med ditt innhold (dokumenter, notater, retningslinjer, kode). Slik setter du det sammen:

Opprett en kunnskapsbase (KB)

I sidepanelet, opprett en ny KB eller «Samlinger.»

Last opp dokumenter: PDF-er, markdown, HTML eller tekstfiler.

Generer embeddings

Velg embeddings backend (lokal via Ollama hvis du har en embeddingsmodell, eller en skyleverandør gjennom API).

Indekser dokumentene dine; større sett kan ta noen minutter.

Aktiver henting i chat

I en chat, slå på henting og velg din KB.

Still spørsmål som «Oppsummer vår onboarding-policy og liste handlingselementer» eller «Hvilke unntak tillater vi i sikkerhetspolicyen?»

Iterer

Inspiser kilder, finjuster dokumentene dine, juster chunking-størrelsen og re-embed hvis svarene virker feil.

Profftips: Vedlikehold separate KBer for nøyaktighet (f.eks. «Markedsføringstekst», «Juridiske retningslinjer», «Runbooks»). Dette reduserer irrelevante hentinger.

Handlinger, verktøy og arbeidsflyter

Open WebUI støtter verktøydrevne interaksjoner slik at modellen kan «gjøre ting», ikke bare chatte. Avhengig av oppsettet ditt, kan du:

Kalle funksjoner/verktøy du definerer (f.eks. kjøre et skript, hente en URL, spørre en database).

Bruke systemmeldingsarbeidsflyter for å strukturere flertrinnsoppgaver.

Legge til plugins/utvidelser hvis distribusjonen din støtter dem.

Eksempel: En «Content Brief»-arbeidsflyt

Trinn 1: Be modellen om å trekke ut nøkkelord fra et emne.

Trinn 2: Undersøk via et webverktøy (hvis aktivert) og oppsummer kilder.

Trinn 3: Utkast til en disposisjon + tittelvarianter.

Trinn 4: Opprett en kort/lang versjon.

Lagre disse trinnene i en gjenbrukbar mal slik at teamet ditt kan kjøre dem med ett klikk.

Administrere modeller som en proff

Flere standarder: Angi standarder per arbeidsområde eller per chat (f.eks. rask lokal for brainstorming, presis sky for endelig kopi).

Modellkort: Dokumenter hva hver modell gjør best – «Bruk Llama 3 for kode, Mistral for konsise oppsummeringer.»

Batch-oppgaver: Bruk lengre systemmeldinger og strukturert output (JSON, sjekklister) for repeterbare oppgaver som QA-kontroller, oversettelse eller tagging.

Admin-innstillinger: Sikkerhet og styring

Hvis du selv-hoster for et team, ta deg noen minutter til å herde og styre din instans.

Autentisering: Kreve pålogging. Hvis tilgjengelig, aktiver SSO/OIDC.

API-nøkkelretningslinjer: Begrens hvilke leverandører som kan brukes, omfangsnøkler etter bruker/rolle, og begrens utgang der det er hensiktsmessig.

Miljøvariabler: Konfigurer ting som modellendepunkt-URLer, embeddings backender og nøkkelbegrensninger via miljøinnstillinger.

Frekvensgrenser og kvoter: Forhindre løpske kostnader med per-bruker eller per-arbeidsområde grenser.

Revisjonsmulighet: Oppmuntre team til å merke chatter og lagre oppsummeringer slik at du kan spore beslutninger.

Utviklertips: Sett Open WebUI bak en omvendt proxy (f.eks. Nginx/Caddy) med HTTPS og angi tillatte opprinnelser.

Teamsamarbeid og kunnskapshygiene

Delte meldinger og KBer: Opprett kuraterte meldingsbiblioteker og kunnskapsbaser. Tildel vedlikeholdere.

Versjonsinnhold: For policy-dokumenter eller spesifikasjoner, lagre kilder i Git eller en dokumentsentral og re-embed når oppdatert.

Kilde-først svar: Oppmuntre brukere til å klikke på sitater og skanne originale dokumenter. Stol på, men verifiser.

Hverdagsbrukstilfeller (Kopier disse)

Innhold og markedsføring

Gjør et sammendrag om til tre målgruppespesifikke utkast.

Generer SEO-disposisjoner, FAQer og titler.

Ingeniørfag

Forklar en funksjon og generer edge-case tester.

Oppsummer PRer og produser release notes.

Drift og support

Bygg en KB fra runbooks og SOP-er.

Utkast til svar ved hjelp av din tone/stilguide.

Forskning og strategi

Oppsummer 10 dokumenter til en 1-siders med sitater.

Sammenlign leverandører ved hjelp av en strukturert matrise.

Feilsøking: Raske løsninger

«Kan ikke koble til Ollama»

Sjekk at Ollama kjører: `curl

Bekreft nettverkstilgang fra containeren til verten.

«Modell ikke funnet»

Hent modellen via Ollama: ollama pull mistral

For sky, bekreft det nøyaktige modellnavnet og tillatelsene.

«RAG-resultater ser irrelevante ut»

Re-embed med en bedre embeddingsmodell.

Juster chunk-størrelse (f.eks. 500–1000 tokens) og overlapping.

Del din KB inn i mindre, aktuelle samlinger.

«Kostnader skyter i været»

Sett frekvensgrenser og standard til lokale modeller for utkast.

Ytelsestips og avanserte trekk

Bruk mindre lokale modeller for idéutvikling og større/skymodeller for ferdigstillelse.

Cache hyppige meldinger og svar der det er mulig.

Bruk strukturerte utdata (JSON, punktlister) for nedstrømsautomatiseringer.

For sensitive data, hold alt lokalt (Ollama + lokale embeddings + on-prem lagring).

Bruk systemmeldinger for å definere tone, formatering og sikkerhetsmekanismer.

Verdt å merke seg: Sammenkobling av Open WebUI med Sider.AI

Hvis du produserer mye innhold eller forskning, kan en arbeidsflyt-kompanjong hjelpe. Verdt å merke seg: Sider.AI hjelper med utkast, oppsummering og organisering av langt arbeid. Du kan ideutvikle eller hente kontekst i Open WebUI, og deretter bruke Sider.AIs redigeringsstilassistanse for å finpusse, omstrukturere og SEO-optimalisere artikler for publisering. Det er en nyttig sammenkobling når du ønsker både kontroll (selv-hostet chat + RAG) og hastighet (samarbeidsredigering og optimalisering).

En enkel startskisse

Kjør Open WebUI via Docker.

Installer Ollama, hent llama3 og mistral.

Koble Open WebUI til og settmistral` som standard for chat.

Opprett KBer: Retningslinjer, Markedsføring, Runbooks; embed med en sterk embeddingsmodell.

Lagre tre meldingsmaler: «Oppsummerer med punkter», «SEO-disposisjonsgenerator» og «Release notes-skriver.»

Legg til frekvensgrenser og krev pålogging.

Med dette oppsettet kan de fleste team dekke 80 % av de daglige AI-oppgavene.

Viktige takeaways

Open WebUI gir deg et rent, kontrollerbart brukergrensesnitt for å jobbe med lokale og skybaserte LLMer.

For personvern og hastighet, koble den med Ollama lokalt; bland inn skymodeller når det er nødvendig.

Bruk RAG for å forankre svar i dokumentene dine; hold KBer små og fokuserte.

Sikre din instans med autentisering, nøkkelretningslinjer og frekvensgrenser.

Standardiser meldinger og utdata slik at teamets arbeid er konsistent og automatiserbart.

Neste steg

Spinn opp Open WebUI med Docker og koble til Ollama.

Opprett din første kunnskapsbase og prøv en hentingsstøttet chat.

Lagre tre meldingsmaler som teamet ditt vil gjenbruke daglig.

Hvis du publiserer innhold, send utkast gjennom Sider.AI for å finjustere tone, struktur og SEO før du publiserer.

FAQ

Q1:Hva brukes Open WebUI til? Open WebUI er et selv-hostet grensesnitt for store språkmodeller. Det lar deg chatte med lokale eller skymodeller, bygge RAG-arbeidsflyter med dokumentene dine og administrere meldinger og team på ett sted.

Q2:Hvordan bruker jeg Open WebUI med Ollama? Installer Ollama, hent en modell som llama3 eller mistral, og pek deretter Open WebUIs Ollama-tilkobling til http://localhost:11434. Du kan angi en standardmodell og begynne å chatte lokalt med fullt personvern.

Q3:Kan Open WebUI gjøre RAG med mine PDF-er og notater? Ja. Opprett en kunnskapsbase, last opp dokumenter, generer embeddings og aktiver henting i chat. Modellen vil sitere og oppsummere fra dine egne kilder for forankrede svar.

Q4:Er Open WebUI sikkert for team? Du kan håndheve pålogging, administrere API-nøkler etter rolle og angi frekvensgrenser. For produksjon, bruk HTTPS bak en omvendt proxy og begrens hvilke leverandører eller endepunkter som er tillatt.

Q5:Bør jeg bruke lokale eller skymodeller i Open WebUI? Bruk lokale modeller for personvern, hastighet og kostnadskontroll; bruk skymodeller for komplekse oppgaver som krever høyere kvalitet. Mange team kombinerer begge og angir chat-spesifikke standarder.