【2025最新】DeepSeek-R1+Open-WebUI双系统部署全攻略：从Linux到Windows保姆级教程，手把手搭建可视化AI对话平台
【2025最新】DeepSeek-R1+Open-WebUI双系统部署全攻略：从Linux到Windows保姆级教程，手把手搭建可视化AI对话平台
- 一、引言
- 二、Open-WebUI 是什么？—— 开箱即用的AI对话可视化神器
- 2.1 概述
- 2.2 核心功能
- 2.3 适用场景
- 2.4 配置要求
- 三、Linux系统部署——Docker vs 裸机安装
- 3.1 Docker部署方案（推荐）
- 3.1.1 安装Docker服务
- 3.1.2 拉取镜像部署（国内镜像加速）
- 3.2 裸机部署方案
- 3.2.1 uv部署（推荐）
- 3.2.2 pip部署
- 四、Windows系统部署——Docker vs 裸机安装
- 4.1 Docker部署方案
- 4.2 裸机部署方案（推荐）
- 4.2.1 环境准备
- 4.2.2 拉取源码
- 4.2.3 构建前端
- 4.2.4 安装后端依赖（清华PyPI镜像）
- 4.2.5 启动服务
- 五、开发者加餐！！！—— 主打一个讲究😎
- 5.1 Intellij 运行 Open-WebUI 且 Debug 测试
- 5.1.1 安装PyCharm
- 5.1.2 打开Open-WebUI项目
- 5.1.3 配置启动项
- 5.1.4 启动项目
- 5.1.5 Debug测试
- 5.2 覆盖 Docker 容器部署的项目代码
- 六、总结 —— 有🌈🥚
一、引言
近期，DeepSeek凭借其高效的中文理解能力引爆AI社区，而Open-WebUI作为最受欢迎的可视化交互工具，二者结合成为本地部署的黄金组合。本文将详解Linux/Windows双环境下的部署方案，涵盖Docker与非Docker模式，助你快速搭建私有化AI平台！
二、Open-WebUI 是什么？—— 开箱即用的AI对话可视化神器
2.1 概述
Open WebUI 是一款专为大型语言模型（LLM）设计的 开源可视化交互框架，它通过简洁的Web界面，让用户无需编写代码即可与本地部署的AI模型/各大服务商提供大模型API（如DeepSeek、Llama、ChatGLM等）进行自然对话。其核心使命是 “让LLM私有化部署像打开浏览器一样简单” ，尤其适合需要快速搭建企业级AI平台或追求数据隐私的开发者。
2.2 核心功能
- 📦 零代码模型接入
支持通过API一键连接HuggingFace、Ollama、vLLM等主流模型服务，无需手动处理HTTP请求。 - 💬 类ChatGPT交互体验
提供多轮对话历史管理、Markdown渲染、代码高亮、文件上传等生产力功能。 - 🔌 插件化扩展系统
支持RAG（检索增强生成）、知识库对接、语音输入等插件，扩展AI能力边界。 - 🛡️ 私有化部署保障
所有数据运行在本地服务器，规避云端服务的隐私泄露风险。
2.3 适用场景
- 🔧 开发者测试：快速验证模型效果，无需搭建完整前后端
- 🏢 企业私有化：金融、医疗等敏感行业构建合规AI助手
- 🎓 教育科研：低成本部署教学实验平台，支持多学生并发
- 🖥️ 个人极客：在家庭NAS或旧电脑运行个人AI大脑
2.4 配置要求
| 硬件类型 | 最低配置 | 推荐配置 | 核心作用 |
|---|---|---|---|
| CPU | 4核 | 8核及以上 | 支持基础模型推理与并发请求 |
| 内存 | 4GB | 16GB+ | 保障大模型加载与多任务流畅运行 |
| 磁盘 | 20GB | 100GB+ SSD | 存储模型文件、日志及缓存数据 |
| GPU | 非必需 | NVIDIA RTX 3090+ | 加速模型推理（需CUDA支持） |
Open-WebUI文档库
Open-WebUI官方 GitHub 源代码仓库
三、Linux系统部署——Docker vs 裸机安装
3.1 Docker部署方案（推荐）
3.1.1 安装Docker服务
如果你已安装Docker服务，跳到下一步；如果没有安装，参考这篇文章
3.1.2 拉取镜像部署（国内镜像加速）
注： 这里说明下，Ollama 是在本地部署大模型的工具
-
因我们是使用Ollama进行本地大模型的部署，所以对于不同的Ollama环境，我们的部署方式也是不同的。
Ollama 已经在本服务器上， 请使用以下命令：
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.nju.edu.cn/open-webui/open-webui:mainOllama 在其他服务器上， 请使用以下命令：
注： 将参数中 OLLAMA_BASE_URL 的值替换为部署了Ollama服务器的URLdocker run -d -p 3000:8080 -e OLLAMA_BASE_URL=https://example.com -v open-webui:/app/backend/data --name open-webui --restart always ghcr.nju.edu.cn/open-webui/open-webui:main -
如果选择不使用Ollama部署的本地大模型，完全采用调用各大服务商提供的大模型API，请使用以下命令：
docker run -d -p 3000:8080 -v open-webui:/app/backend/data --name open-webui --restart always ghcr.nju.edu.cn/open-webui/open-webui:main -
如果想使用 Ollama 但服务器上又没部署 Ollama，可以使用捆绑 Ollama 支持的 Open-WebUI，请使用以下命令：
注： 此命令会将 Ollama 与 Open-WebUI 部署在同一个容器内，后续要使用 Ollama 部署本地大模型，就需要去容器内操作docker run -d -p 3000:8080 -v ollama:/root/.ollama -v open-webui:/app/backend/data --name open-webui --restart always ghcr.nju.edu.cn/open-webui/open-webui:ollama -
docker-compose部署
在服务器的任意位置新建一个 docker-compose.yaml 文件，复制下面脚本到文件中services: ollama: volumes: - ollama:/root/.ollama container_name: ollama pull_policy: always tty: true restart: unless-stopped image: swr.cn-north-4.myhuaweicloud.com/ddn-k8s/docker.io/ollama/ollama:latest open-webui: build: context: . args: OLLAMA_BASE_URL: '/ollama' dockerfile: Dockerfile image: ghcr.nju.edu.cn/open-webui/open-webui:main container_name: open-webui volumes: - open-webui:/app/backend/data depends_on: - ollama ports: - 3000:8080 environment: - 'OLLAMA_BASE_URL=http://ollama:11434' - 'WEBUI_SECRET_KEY=' extra_hosts: - host.docker.internal:host-gateway restart: unless-stopped volumes: ollama: {} open-webui: {}在 docker-compose.yaml 文件所在目录，执行以下命令以创建并后台启动所有容器
docker compose up -d
3.2 裸机部署方案
3.2.1 uv部署（推荐）
-
安装uv
curl -LsSf https://astral.sh/uv/install.sh | sh -
运行Open-WebUI
DATA_DIR=~/.open-webui uvx --python 3.11 open-webui@latest serve
3.2.2 pip部署
-
安装python
参考这篇文章
注： python推荐版本为3.11.x，官方有说明
-
安装Open-WebUI
pip install open-webui -
启动Open-WebUI
open-webui serve
博主采用的是“捆绑 Ollama 支持的 Open-WebUI”部署方式，执行命令后的效果为
下载完后，我们执行 docker ps 命令
可以看到，容器成功启动，并且是健康状态；此时我们就可以访问 http://服务器ip:3000 进行聊天啦😄
四、Windows系统部署——Docker vs 裸机安装
4.1 Docker部署方案
注： Window系统的Dokcer部署Open-WebUI与Linux的Docker部署Open-WebUI方式是一模一样的，区别在于安装Docker服务有所不同的，我这里贴一下Windows安装Docker服务的参考文章，其他操作同3.1.2
4.2 裸机部署方案（推荐）
4.2.1 环境准备
-
安装python
参考这篇文章
注： python推荐版本为3.11.x，官方有说明
-
安装nodejs
参考这篇文章
注： nodejs推荐版本为22.x.x，官方有说明
-
安装git
参考这篇文章
4.2.2 拉取源码
-
在任意位置执行以下命令，拉取Open-WebUI源码
git clone https://github.com/open-webui/open-webui.git拉取完的效果如下：
4.2.3 构建前端
- 在项目根目录下，执行以下命令，安装前端依赖
执行效果如下：npm install
- 然后执行以下命令，构建前端资源
执行效果如下：npm run build
当出现 done 时，表示构建成功；如果失败，删除项目根目录下的node_modules后，多试几次这两个命令
4.2.4 安装后端依赖（清华PyPI镜像）
- 执行以下命令，到后端资源文件目录下
执行效果如下：cd backend
- 然后执行以下命令，安装后端依赖
执行效果如下：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt
4.2.5 启动服务
-
执行以下命令，启动服务
.start_windows.bat执行后的效果如下：
当出现 Open-WebUI图形时，表示启动完成
这个时候我们可以访问 http://localhost:8080 进行聊天啦😄
五、开发者加餐！！！—— 主打一个讲究😎
5.1 Intellij 运行 Open-WebUI 且 Debug 测试
5.1.1 安装PyCharm
- 作为开发者，我就不多赘述了，自行安装啦
5.1.2 打开Open-WebUI项目
- 打开项目根目录下的backend目录，打开效果如下：
5.1.3 配置启动项
- 选择FastAPI
- Application file 选择 backendopen_webuimain.py 文件，Application name 填写 app
5.1.4 启动项目
- 直接启动
5.1.5 Debug测试
- 启动完成后，我们可以通过 http://localhost:8000 来访问页面，然后就可以愉快的Debug了
5.2 覆盖 Docker 容器部署的项目代码
当 Open-WebUI 目前版本满足不了我们的实际需求时，我们就需要对 Open-WebUI 项目进行二次开发；开发完后，对于Windows 本地项目是可以重启直接生效的，但 Docker 项目如何生效？
我们进入 Open-WebUI 容器内部，仔细观察会发现，主要是两个文件夹起作用（backend、build）
所以，我们只需要在 Windows 本地通过前面的命令 npm run build 将前端构建的资源包 build 和修改后的 backend 后端资源包，复制进容器，然后重启容器就可以生效了
六、总结 —— 有🌈🥚
通过本文，读者可依据实际需求灵活选择部署方案，构建稳定、高效的AI交互环境。无论是追求效率的运维人员，还是热衷定制的开发者，均可从中获得可复用的实践经验。立即行动，开启您的私有化AI之旅吧！ 🚀
下篇文章将详细介绍 Open-WebUI 各种配置的使用场景和规则，敬请期待！！！
