你每次跟ChatGPT聊天，数据都在往OpenAI的服务器上跑。一个月20美金，模型说降智就降智，网络一断直接歇菜。但GitHub上有142000人用星标投了票——Open WebUI，一个完全免费的开源AI助手，部署在你自己的电脑上，数据不出门，模型随便换。  

   

   它是什么  

 

   Open WebUI 是一个自托管的 AI 对话前端。说人话就是：给你一个长得跟 ChatGPT 几乎一样的界面，但跑在你自己的电脑上。  

 

   底层可以接两个东西——Ollama（本地运行开源模型）和 OpenAI API（云端付费模型）。相当于你同时拥有了"免费的本地AI"和"可选的云端AI"，想切就切。  

 

   截止目前，GitHub 142,000 Star，是整个开源社区里最活跃的 AI Chat 项目之一。  

   

   跟ChatGPT比，它赢在哪  

 

   三点就够了：  

 

   ① 零成本。 ChatGPT Plus 一个月 20 美金（约 145 人民币），一年 1740 块。Open WebUI + Ollama + 开源模型，全程不花一分钱。只要你有台电脑。  

 

   ② 数据不出门。 OpenAI 的服务条款允许他们用你的对话数据改进模型。开源的本地部署 AI 方案里，所有对话记录只存在你自己的硬盘上。企业内网、涉密开发、个人隐私场景，这是刚需。  

 

   ③ 模型自由。 ChatGPT 给你什么模型你就用什么。Open WebUI 接 Ollama 后，你能跑 Llama 4、Qwen 3、DeepSeek、Mistral——几百个开源模型随便切换，不满意当场换。  

 

   142k 开发者选择的本质，不是"免费替代品"，而是"数据主权+模型自由"这两个 ChatGPT 永远给不了的东西。  

   

   三步部署，全程不到10分钟  

 

   这东西部署门槛比你想的低得多。我不说"简单"，用命令说话。  

   

   第一步：装 Ollama  

 

   Ollama 是管理本地 AI 模型的后端。去 ollama.com 下载安装包，Windows/Mac/Linux 都有，双击安装。  

 

   装好后打开终端（Windows 按 Win+R 输入 cmd），拉一个模型试试：  

 

ollama pull qwen3:8b

 

   等下载完（约 5GB），跑一下确认能用：  

 

ollama run qwen3:8b

 

   能正常对话，Ollama 就算装好了。  

   

   第二步：装 Docker 并拉取 Open WebUI  

 

   Open WebUI 官方推荐 Docker 部署。去 docker.com 下载 Docker Desktop，安装后重启电脑。  

 

   然后打开终端，一条命令：  

 

docker run -d -p 3000:8080 \
  --add-host=host.docker.internal:host-gateway \
  -v open-webui:/app/backend/data \
  --name open-webui \
  --restart always \
  ghcr.io/open-webui/open-webui:main

 

   等镜像拉完启动，浏览器打开 localhost:3000，注册一个管理员账号。  

   

   第三步：连接 Ollama，开始免费使用  

 

   进入 Settings → Connections，Ollama Base URL 默认就是 http://host.docker.internal:11434，不用改。  

 

   然后去 Models 页面，你会看到刚才拉过的 qwen3:8b。选它，回到聊天界面——那个长得像 ChatGPT 的窗口已经在等你了。  

 

   一条 docker run 命令，一个免费的本地大模型，一个和 ChatGPT 长得差不多的界面。零成本、零泄露、零依赖。  

 

   如果你没有显卡也不用担心——Ollama 支持纯 CPU 运行。8B 量化的模型在普通笔记本上每秒也能吐出 15-20 个 token，日常对话完全够用。  

   

   不止聊天：几个让你"赚回"阅读时间的功能  

 

   Open WebUI 早就不只是一个聊天框了。我挑三个最实用的说。  

 

   RAG 文档问答。 把 PDF、Word、TXT 拖进聊天框，AI 能基于文件内容回答你的问题。读论文、审合同、整理长文档，这个功能是效率倍增器。  

 

   Pipeline 自定义管道。 这可能是最有技术含量的功能——你可以在 UI 和模型之间插入一段 Python 脚本，实现联网搜索、自动翻译、代码执行等自定义操作。GitHub 上有社区贡献的各种 Pipeline 模板，复制粘贴就能用。  

 

   Workspace 多工作区。 按项目隔离对话历史。一个写代码的 Workspace 配 DeepSeek Coder，一个写文案的配 Qwen 3，一个日常聊天的配 Llama 4。切 Workspace 就是切人格。  

   

   谁适合用  

 

   如果你符合以下任意一条，这东西就是为你准备的：  

 

   · 每月给 ChatGPT 交 20 美金，但实际用不了几次  

 

   · 处理涉密文档，不敢往云端 AI 里丢  

 

   · 想学 AI 开发，需要一个自由的实验环境  

 

   · 就是不想花冤枉钱  

 

   Open WebUI 不是 ChatGPT 的替代品——它是一张"空白画布"，你可以用开源模型、自定义管道、本地数据，搭出一个完全属于你自己的 AI 助手。  

   

   坑和实话  

 

   得说实在的。本地模型的效果取决于你电脑配置。8B 量化模型日常对话没问题，但复杂推理、长文写作确实不如 GPT-4/Claude。如果你对模型质量有高要求，可以在 Open WebUI 里同时接 Ollama（本地免费模型）+ OpenAI API（云端付费），根据任务切换——这也是它"模型自由"的真正用法。  

 

   部署过程中如果遇到 Docker 拉取慢，建议配国内镜像源：  

 

{
  "registry-mirrors": ["https://your-id.mirror.aliyuncs.com"]
}

 

   Ollama 模型下载慢的话，设置代理：  

 

   Windows：  

 

set HTTPS_PROXY=http://127.0.0.1:7890

 

   Mac/Linux：  

 

export HTTPS_PROXY=http://127.0.0.1:7890

 

   之后重启 Ollama 再 pull。  

 

   把这段话收藏：部署只需要三步——Ollama 拉模型、Docker 跑 WebUI、浏览器打开 localhost:3000。三行命令，一个免费的本地 AI 助手。  

 

---