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.

Como Usar o Open WebUI: Um Guia Amigável e Passo a Passo para Fluxos de Trabalho de IA Mais Rápidos

Se você sempre desejou que o ChatGPT tivesse um gêmeo personalizável e auto-hospedado que pudesse conectar aos seus próprios modelos e dados, o Open WebUI é exatamente isso. É uma interface moderna e leve para conversar com modelos de linguagem grandes (LLMs) locais ou remotos, gerenciar prompts, construir fluxos de trabalho RAG (Geração Aumentada por Recuperação) e colaborar com colegas de equipe—tudo a partir do seu navegador.

Neste guia prático e orientado para soluções, vamos explicar como usar o Open WebUI de ponta a ponta: opções de configuração, conexão a Ollama ou APIs, gerenciamento de modelos, construção de fluxos de recuperação, proteção da sua instância e algumas dicas profissionais. Ao final, você poderá executar fluxos de trabalho de IA poderosos em seus próprios termos—rapidamente.

O Que É Open WebUI (e Por Que Usá-lo)?

Open WebUI é uma interface web auto-hospedável para LLMs. Pense nisso como o centro de comando para suas interações de IA—traga seus próprios modelos (local ou nuvem), crie prompts reutilizáveis, adicione seus documentos e colabore através de uma UI limpa e intuitiva. É especialmente popular entre desenvolvedores, equipes de dados e usuários preocupados com a privacidade que desejam controle, extensibilidade e velocidade.

Principais razões pelas quais as pessoas escolhem o Open WebUI:

Seja dono dos seus dados: Execute localmente ou em seu servidor.

Backends flexíveis: Conecte-se a engines locais como Ollama ou provedores remotos via API.

Pronto para o fluxo de trabalho: RAG, ferramentas, embeddings e prompts estruturados.

Controles de administrador: Gerenciamento de chaves de API, autenticação e configuração do ambiente.

A Maneira Mais Rápida de Começar: Início Rápido com Docker

Se você está confortável com o Docker, pode estar pronto e funcionando em minutos.

Puxe a imagem

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

Execute o contêiner

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

Abra seu navegador e visite

Você irá para a UI, criar uma conta de administrador e estará pronto para conectar modelos.

Dica: Para armazenamento persistente e variáveis de ambiente (como restrições de chave de API e autenticação), mude para um docker-compose.yml para que você possa montar volumes e definir a configuração de forma limpa.

Conectando-se a Modelos: Local (Ollama) ou APIs de Nuvem

Open WebUI é independente de backend. Você pode:

Usar Ollama para executar modelos localmente (por exemplo, Llama 3, Phi‑3, Mistral). Isso é ótimo para privacidade e trabalho offline.

Usar APIs de nuvem como OpenAI, Anthropic, Google ou outros via chaves de API.

Opção A: Usar Ollama Localmente

Instale o Ollama (macOS, Linux, Windows)

Visite ` para instalar.

Puxe um modelo com Ollama

ollama pull llama3

Você pode substituir llama3 por modelos como mistral, phi3 ou llama3:instruct dependendo de suas necessidades.

Inicie o Open WebUI

Certifique-se de que o Open WebUI possa alcançar o endpoint local do Ollama (geralmente `).

No Open WebUI, vá para Admin Settings → Connections → Ollama

Adicione o endpoint, escolha o(s) modelo(s) padrão e teste a conexão.

Agora você pode conversar com modelos locais diretamente no navegador.

Opção B: Usar Provedores de Nuvem via Chaves de API

Em Admin Settings → Providers (ou API/Keys)

Adicione chaves para OpenAI, Anthropic ou Google.

Escolha um modelo padrão por provedor

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

Defina limites

Aplique limites de taxa, escopos de uso ou chaves por usuário, dependendo da configuração da sua equipe.

Essa abordagem híbrida (local + nuvem) é comum: rascunhos rápidos em modelos locais, depois refine com um modelo de nuvem quando necessário.

Seu Primeiro Chat: Prompts, Modos e Anexos

Depois que um modelo é conectado, inicie um novo chat. Alguns básicos:

Templates de prompt: Salve instruções frequentemente usadas (prompts do sistema) como “Você é meu tutor de Python—explique com exemplos e testes.”

Modos: Alterne entre estilos criativos, concisos ou técnicos, ajustando os prompts do sistema ou a temperatura.

Anexos: Carregue arquivos (PDFs, TXT, CSV) para o modelo referenciar. Para corpora grandes ou recorrentes, crie uma base de conhecimento com embeddings (veja RAG abaixo).

Dica profissional: Organize os chats por projeto. Use tags como #docs, #code ou #analysis para que você possa encontrar as coisas rapidamente no futuro.

Construa RAG em Minutos: Conhecimento, Embeddings e Busca

RAG (Retrieval‑Augmented Generation) permite que seu modelo responda a perguntas com seu conteúdo (documentos, notas, políticas, código). Veja como juntar tudo:

Crie uma Base de Conhecimento (KB)

Na barra lateral, crie uma nova KB ou “Coleções”.

Carregue documentos: PDFs, markdown, HTML ou arquivos de texto.

Gere Embeddings

Escolha o backend de embeddings (local via Ollama se você tiver um modelo de embeddings, ou um provedor de nuvem através da API).

Indexe seus documentos; conjuntos maiores podem levar alguns minutos.

Habilite a Recuperação no Chat

Em um chat, alterne a recuperação e selecione sua KB.

Faça perguntas como “Resuma nossa política de integração e liste os itens de ação” ou “Que exceções permitimos na política de segurança?”

Itere

Inspecione fontes, refine seus documentos, ajuste o tamanho do chunk e re‑incorpore se as respostas parecerem erradas.

Dica profissional: Mantenha KBs separadas para precisão (por exemplo, “Cópia de marketing”, “Políticas legais”, “Runbooks”). Isso reduz recuperações irrelevantes.

Ações, Ferramentas e Fluxos de Trabalho

Open WebUI suporta interações orientadas por ferramentas para que o modelo possa “fazer coisas”, não apenas conversar. Dependendo da sua configuração, você pode:

Chamar funções/ferramentas que você define (por exemplo, executar um script, buscar uma URL, consultar um banco de dados).

Usar fluxos de trabalho de prompt do sistema para estruturar tarefas de várias etapas.

Adicionar plugins/extensões se sua implantação os suportar.

Exemplo: Um fluxo de trabalho de “Brief de Conteúdo”

Passo 1: Peça ao modelo para extrair palavras-chave de um tópico.

Passo 2: Pesquise através de uma ferramenta web (se habilitada) e resuma as fontes.

Passo 3: Elabore um esboço + variantes de título.

Passo 4: Crie uma versão curta/longa.

Salve estas etapas em um template reutilizável para que sua equipe possa executá-las com um clique.

Gerenciando Modelos Como um Profissional

Múltiplos padrões: Defina padrões por espaço de trabalho ou por chat (por exemplo, local rápido para brainstorming, nuvem precisa para a cópia final).

Cartões de modelo: Documente o que cada modelo faz de melhor—“Use Llama 3 para código, Mistral para resumos concisos.”

Tarefas em lote: Use prompts de sistema mais longos e saída estruturada (JSON, checklists) para tarefas repetíveis como verificações de QA, tradução ou marcação.

Configurações de Administrador: Segurança e Governança

Se você está auto-hospedando para uma equipe, reserve alguns minutos para fortalecer e governar sua instância.

Autenticação: Exija login. Se disponível, habilite SSO/OIDC.

Políticas de chave de API: Limite quais provedores podem ser usados, escopo as chaves por usuário/função e restrinja a saída onde apropriado.

Variáveis de ambiente: Configure coisas como URLs de endpoint de modelo, backends de embedding e restrições de chave através de configurações de ambiente.

Limites de taxa e cotas: Evite custos descontrolados com limites por usuário ou por espaço de trabalho.

Auditabilidade: Incentive as equipes a rotular chats e armazenar resumos para que você possa rastrear decisões.

Dica de desenvolvimento: Coloque o Open WebUI atrás de um proxy reverso (por exemplo, Nginx/Caddy) com HTTPS e defina origens permitidas.

Colaboração em Equipe e Higiene do Conhecimento

Prompts e KBs compartilhados: Crie bibliotecas de prompts e bases de conhecimento selecionadas. Atribua responsáveis pela manutenção.

Controle de versão do conteúdo: Para documentos de política ou especificações, armazene as fontes no Git ou em um hub de documentos e re‑incorpore quando atualizado.

Respostas com prioridade na fonte: Incentive os usuários a clicar nas citações e escanear os documentos originais. Confie, mas verifique.

Casos de Uso Diários (Copie Estes)

Conteúdo & marketing

Transforme um brief em três rascunhos específicos para o público.

Gere esboços de SEO, FAQs e títulos.

Engenharia

Explique uma função e gere testes de casos extremos.

Resuma PRs e produza notas de lançamento.

Operações & suporte

Construa uma KB a partir de runbooks e SOPs.

Elabore respostas usando seu guia de tom/estilo.

Pesquisa & estratégia

Resuma 10 documentos em um documento de 1 página com citações.

Compare fornecedores usando uma matriz estruturada.

Solução de Problemas: Correções Rápidas

“Não consigo conectar ao Ollama”

Verifique se o Ollama está rodando: `curl

Verifique o acesso à rede do contêiner ao host.

“Modelo não encontrado”

Puxe o modelo via Ollama: ollama pull mistral

Para a nuvem, confirme o nome exato do modelo e as permissões.

“Resultados do RAG parecem irrelevantes”

Re‑incorpore com um modelo de embeddings melhor.

Ajuste o tamanho do chunk (por exemplo, 500–1.000 tokens) e a sobreposição.

Divida sua KB em coleções tópicas menores.

“Custos disparando”

Defina limites de taxa e use modelos locais por padrão para rascunhos.

Dicas de Desempenho e Movimentos Avançados

Use modelos locais menores para ideação e modelos maiores/de nuvem para finalização.

Armazene em cache prompts e respostas frequentes, onde possível.

Adote saídas estruturadas (JSON, checklists de bullet points) para automações downstream.

Para dados confidenciais, mantenha tudo local (Ollama + embeddings locais + armazenamento on‑prem).

Use prompts do sistema para definir tom, formatação e proteções.

Vale a Pena Notar: Emparelhando Open WebUI com Sider.AI

Se você produz muito conteúdo ou pesquisa, um companheiro de fluxo de trabalho pode ajudar. Vale a pena notar: Sider.AI auxilia na elaboração, resumo e organização de trabalhos de formato longo. Você pode idealizar ou recuperar contexto no Open WebUI, depois usar a assistência no estilo de editor do Sider.AI para polir, reestruturar e otimizar artigos para SEO para publicação. É um emparelhamento útil quando você quer tanto controle (chat auto-hospedado + RAG) quanto velocidade (edição e otimização colaborativas).

Um Blueprint Inicial Simples

Execute o Open WebUI via Docker.

Instale Ollama, puxe llama3 e mistral.

Conecte o Open WebUI a e definamistral` como padrão para o chat.

Crie KBs: Políticas, Marketing, Runbooks; incorpore com um modelo de embeddings forte.

Salve três templates de prompt: “Resumidor com bullets”, “Gerador de esboço de SEO” e “Escritor de notas de lançamento”.

Adicione limites de taxa e exija login.

Com esta configuração, a maioria das equipes pode cobrir 80% das tarefas diárias de IA.

Principais Conclusões

Open WebUI oferece uma UI limpa e controlável para trabalhar com LLMs locais e de nuvem.

Para privacidade e velocidade, emparelhe-o com Ollama localmente; misture modelos de nuvem quando necessário.

Use RAG para fundamentar as respostas em seus documentos; mantenha as KBs pequenas e focadas.

Proteja sua instância com autenticação, políticas de chave e limites de taxa.

Padronize prompts e saídas para que o trabalho da sua equipe seja consistente e automatizável.

Próximos Passos

Inicie o Open WebUI com Docker e conecte-se ao Ollama.

Crie sua primeira base de conhecimento e experimente um chat com suporte de recuperação.

Salve três templates de prompt que sua equipe reutilizará diariamente.

Se você publica conteúdo, passe os rascunhos pelo Sider.AI para refinar o tom, a estrutura e o SEO antes de entrar no ar.

FAQ

Q1: Para que é usado o Open WebUI? Open WebUI é uma interface auto-hospedada para grandes modelos de linguagem. Ele permite que você converse com modelos locais ou de nuvem, construa fluxos de trabalho RAG com seus documentos e gerencie prompts e equipes em um só lugar.

Q2: Como uso o Open WebUI com Ollama? Instale o Ollama, puxe um modelo como llama3 ou mistral e, em seguida, aponte a conexão Ollama do Open WebUI para http://localhost:11434. Você pode definir um modelo padrão e começar a conversar localmente com total privacidade.

Q3: O Open WebUI pode fazer RAG com meus PDFs e notas? Sim. Crie uma base de conhecimento, carregue documentos, gere embeddings e habilite a recuperação no chat. O modelo irá citar e resumir de suas próprias fontes para respostas fundamentadas.

Q4: O Open WebUI é seguro para equipes? Você pode impor o login, gerenciar chaves de API por função e definir limites de taxa. Para produção, use HTTPS atrás de um proxy reverso e restrinja quais provedores ou endpoints são permitidos.

Q5: Devo usar modelos locais ou de nuvem no Open WebUI? Use modelos locais para privacidade, velocidade e controle de custos; use modelos de nuvem para tarefas complexas que exigem maior qualidade. Muitas equipes combinam ambos e definem padrões específicos do chat.