از سه سرویسدهندهی مدل مختلف استفاده میکنید، هر کدام با پنجرهی چت، اشتراک و تاریخچهی جداگانه. Open WebUI همه را پشت یک رابط که خودتان میزبانی میکنید جمع میکند: برای هر گفتگو مدلی انتخاب کنید، کل تاریخچه را روی سرور خودتان نگه دارید، با تیمتان به اشتراک بگذارید و وقتی نمیخواهید چیزی از دستگاه بیرون برود، مدلهای محلی را وصل کنید.
دو روش اجرا
بهعنوان رابط برای APIها. Open WebUI به هر API سازگار با OpenAI وصل میشود — سرویسدهندههای میزبانیشده، یک پراکسی LiteLLM یا اندپوینت خودتان. سرور تقریباً هیچ کاری نمیکند؛ یک پلن کوچک بیش از کافی است.
با مدلهای محلی. Ollama را روی همان سرور اضافه کنید و مدلهای با وزن باز را محلی اجرا کنید. حالا رم محدودیت است و استنتاج روی CPU کند است. بدهبستان صادقانه: حریم خصوصی کامل، سرعت متوسط.
| پیکربندی | پلن |
|---|---|
| رابط API، استفادهی شخصی | Micro — ۱ vCPU، ۲ گیگابایت، ۵ دلار در ماه (تونل SSH) |
| رابط API، دسترسی تیم از طریق HTTPS | Micro-IP — ۱ vCPU، ۲ گیگابایت، ۱۰ دلار در ماه |
| مدلهای محلی 3B از طریق Ollama | AI-Agent — ۲ vCPU، ۴ گیگابایت، ۱۰ دلار در ماه |
| مدلهای محلی 7 تا 8B | Medium — ۴ vCPU، ۶ گیگابایت، ۱۲ دلار در ماه، یا پلنهای Pro برای بزرگترها |
نصب با Docker
روی سروری با Docker نصبشده:
docker run -d --name open-webui --restart always \
-p 127.0.0.1:3000:8080 \
-v open-webui:/app/backend/data \
ghcr.io/open-webui/open-webui:main
اتصال به 127.0.0.1 آن را تا وقتی تصمیم بگیرید چطور بازش کنید از اینترنت عمومی دور نگه میدارد. چتها، کاربران و تنظیمات در ولوم open-webui زندگی میکنند.
دسترسی امن
تونل SSH — روی همهی پلنها، از جمله NAT، کار میکند:
ssh -p 22 -N -L 3000:127.0.0.1:3000 you@203.0.113.10
http://localhost:3000 را باز کنید. روی پلن NAT از پورت SSH شخصیتان استفاده کنید.
HTTPS روی دامنهی شما — برای یک تیم روی پلن IP اختصاصی. یک زیردامنه را به سرور وصل کنید (راهنما) و با nginx، همراه با هدرهای WebSocket، پراکسی کنید:
location / {
proxy_pass http://127.0.0.1:3000;
proxy_set_header Host $host;
proxy_set_header Upgrade $http_upgrade;
proxy_set_header Connection upgrade;
proxy_read_timeout 300s;
}
سپس certbot --nginx -d chat.example.com را اجرا کنید. مهلت خواندن طولانی مهم است: مدلهای کند پاسخها را چند دقیقه استریم میکنند.
قدمهای اول در داخل
- فوراً ثبتنام کنید. اولین حساب مدیر میشود. نصب تازه را عمومی رها نکنید — ممکن است کس دیگری تصاحبش کند.
- ثبتنام را ببندید. تنظیمات مدیریت ← نقش پیشفرض کاربران تازه را روی «در انتظار» بگذارید یا ثبتنام را غیرفعال کنید.
- یک اتصال اضافه کنید. تنظیمات ← اتصالها ← آدرس پایهی API و یک کلید را بچسبانید. مدلهای آن سرویسدهنده در انتخابگر مدل ظاهر میشوند.
افزودن مدلهای محلی
Ollama را روی میزبان نصب کنید (راهنمای ما)، یک مدل کوچک بگیرید و Open WebUI را طوری اجرا کنید که به آن دسترسی داشته باشد:
ollama pull llama3.2:3b
docker rm -f open-webui
docker run -d --name open-webui --restart always \
-p 127.0.0.1:3000:8080 --add-host=host.docker.internal:host-gateway \
-e OLLAMA_BASE_URL=http://host.docker.internal:11434 \
-v open-webui:/app/backend/data ghcr.io/open-webui/open-webui:main
ولوم چتهایتان را در ریاستارت نگه میدارد. روی CPU چند توکن در ثانیه انتظار داشته باشید — برای خلاصهها و یادداشتهای خصوصی خوب، برای متنهای طولانی کند. برای استنتاج محلی سنگینتر، VPS برای Ollama را ببینید.
ارزش دانستن دارد
- بهروزرسانیها زیادند.
docker pull ghcr.io/open-webui/open-webui:main، بعد کانتینر را دوباره بسازید. اول از ولوم پشتیبان بگیرید. - هزینههای API با شماست. Open WebUI بهطور پیشفرض مصرف هر کاربر را محدود نمیکند؛ اگر با تیم به اشتراک میگذارید، هزینهها را زیر نظر بگیرید.
- این یک برنامهی چت است، نه مدل. کیفیت پاسخها کاملاً به مدلی بستگی دارد که پشتش است.
محدودیتها و ارتقای پلنها در مستندات پلنها آمده است.
نظرات
هنوز نظری نیست. اولین نفر باشید.