自己的AI助手(附安装+使用教程)

⚠️ 前置条件：确保已安装Docker Desktop（去 docker.com 下载安装包，一路下一步即可）。验证：打开命令行输入 docker version 能看到版本号就行。

✅ 方案一：已有Ollama，只装Open WebUI（最常用）

如果你已经按第46篇装好了Ollama，只需一条命令：

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

参数解释：

• -p 3000:8080 — 把浏览器端口3000映射到容器8080• --add-host — 让Docker里的Open WebUI能访问本机的Ollama• -v open-webui:/app/backend/data — 数据持久化，重启不丢• --restart always — 开机自启动

执行后浏览器打开 http://localhost:3000，创建管理员账号，系统会自动检测到本机Ollama里的所有模型。搞定。

🟡 方案二：Ollama+Open WebUI一键安装（从零开始）

一条命令同时装好Ollama和Open WebUI：

docker run -d -p 3000:8080 --gpus=all -v ollama:/root/.ollama -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:ollama

• --gpus=all — 启用GPU加速（没显卡可去掉这个参数）• 这个镜像自带Ollama，不用另外装，浏览器打开 http://localhost:3000 直接用

🔴 方案三：pip安装（不用Docker）

pip install open-webuiopen-webui serve

装完浏览器打开 http://localhost:8080。注意：这种方式需要Python环境，适合开发者。

① RAG知识库：让AI基于你的资料回答

这是Open WebUI最核心的进阶功能。上传PDF、Word、Markdown、网页——AI会先检索你的资料再回答，而不是凭空编造。

用法：左侧菜单 → Workspace → Knowledge → 创建知识库 → 上传文件 → 对话时点@选择知识库。

实用案例：上传10份竞品报告 → @知识库提问"总结竞品A和B的定价策略差异"。

🔥 v0.9.6重磅新功能：oikb知识库同步工具装好oikb后，可以把本地文件夹、GitHub仓库、S3存储桶、Confluence等40+种数据源自动增量同步到知识库——改文件自动更新，不用每次手动上传。

pip install oikboikb sync ./my-docs --knowledge-base "我的文档"

② Web搜索：让AI联网查最新信息

Ollama模型本身不知道2026年的事。装上Web搜索插件后，AI会先联网搜索再结合搜索结果回答。

用法：Admin Panel → Settings → Web Search → 开启并选搜索引擎（Google/Bing/SearXNG等）。

对自媒体人的价值：让本地AI模型也能追热点、查最新数据，写文章不再有时效性盲区。

③ 插件（Pipelines）：按需扩展能力

Open WebUI社区开发了数百个Pipelines插件，覆盖图片生成、联网搜索、代码执行、语音对话等功能。

④ 多模型切换：一个界面管所有

可以同时连接本地Ollama模型（Qwen/DeepSeek/Llama）+ 云端OpenAI API（GPT-4o）+ LM Studio。在对话界面顶部一键切换，同一段提示词，试试不同模型的回答质量——这是做AI工具测评时极其好用的功能。

⑤ 多用户管理：一台机器团队共用

Admin Panel → Users → 创建用户，设置角色（Admin/User/Pending）。每人有独立的对话历史和知识库访问权限。小团队用一台带GPU的电脑，所有人都能通过浏览器访问自己的AI助手。