Open WebUI: свой ChatGPT-интерфейс на VPS

Open WebUI — это ChatGPT-подобный веб-интерфейс для любых LLM: локальных через Ollama или облачных через OpenAI API. Ставится в Docker за пару минут и даёт аккаунты, историю и работу с документами.

Что умеет Open WebUI

Это самостоятельный веб-фронтенд, максимально похожий на ChatGPT, но полностью на твоём сервере.

• Мультимодели — Ollama и любой OpenAI-совместимый API.
• Аккаунты и роли — общий доступ для команды.
• RAG — загрузка документов и чат по ним.
• История чатов хранится у тебя, а не в чужом облаке.

Веб-интерфейс лёгкий, а вот модель за ним ест ресурсы. Если гонять Ollama на том же сервере, пригодятся быстрые ядра и диск — AMD EPYC + NVMe у MAATRIX как раз про отзывчивость загрузки моделей и документов.

Главная причина ставить Open WebUI на свой сервер — приватность и предсказуемая цена. Переписка сотрудников с моделью не уходит в чужое облако, а расходы фиксированы стоимостью VPS, а не числом токенов. Для команды, работающей с внутренними документами, договорами или кодом, это часто решающий аргумент: RAG по загруженным файлам работает локально, и данные не покидают периметр.

Ставим Docker

База — Ubuntu и Docker.

curl -fsSL https://get.docker.com | sudo sh
sudo usermod -aG docker $USER && newgrp docker

Запуск Open WebUI

Самый быстрый способ — один контейнер. Если Ollama уже стоит на хосте, свяжем их.

docker run -d --name open-webui \
  -p 3000:8080 \
  -e OLLAMA_BASE_URL=http://host.docker.internal:11434 \
  -v open-webui:/app/backend/data \
  --restart always \
  ghcr.io/open-webui/open-webui:main

Открой http://SERVER_IP:3000 — первый зарегистрированный пользователь становится админом. Флаг host.docker.internal позволяет контейнеру достучаться до Ollama, запущенной прямо на хосте; на Linux для этого иногда нужно добавить --add-host=host.docker.internal:host-gateway. Том open-webui хранит базу пользователей, историю чатов и загруженные документы — не удаляй его при обновлении образа, иначе потеряешь все данные.

Подключаем облачные модели

Open WebUI умеет и в OpenAI API — можно смешивать локальные и облачные модели в одном интерфейсе. Задай ключ и base_url в переменных окружения или в настройках админки.

docker run -d --name open-webui \
  -p 3000:8080 \
  -e OPENAI_API_BASE_URL=https://api.openai.com/v1 \
  -e OPENAI_API_KEY=sk-... \
  -v open-webui:/app/backend/data \
  --restart always \
  ghcr.io/open-webui/open-webui:main

Точно так же вместо OpenAI можно указать свой vLLM или агрегатор LiteLLM. В интерфейсе пользователь просто выбирает нужную модель из выпадающего списка — локальную или облачную, — а администратор решает, какие из них вообще доступны и кому. Это удобный способ дать команде и быстрый локальный ассистент для рутины, и мощную облачную модель для сложных задач, не заводя два разных сервиса.

docker-compose для связки с Ollama

Удобнее держать Ollama и WebUI вместе.

services:
  ollama:
    image: ollama/ollama
    volumes: [ollama:/root/.ollama]
  webui:
    image: ghcr.io/open-webui/open-webui:main
    ports: ["3000:8080"]
    environment:
      - OLLAMA_BASE_URL=http://ollama:11434
    volumes: [open-webui:/app/backend/data]
    depends_on: [ollama]
volumes:
  ollama: {}
  open-webui: {}

docker compose up -d

HTTPS и защита

Веб-интерфейс с логинами обязан работать по HTTPS. Поставь Nginx и бесплатный сертификат.

sudo apt -y install nginx certbot python3-certbot-nginx
sudo certbot --nginx -d chat.example.com

• Проксируй на 3000 и включи WebSocket-заголовки для стрима ответов.
• Закрой порт 3000 фаерволом, наружу только 443.
• Отключи открытую регистрацию после создания нужных аккаунтов.

Отдельно стоит наладить бэкапы тома с данными: там лежат аккаунты, история и загруженные для RAG документы, и терять их при переезде или сбое обидно. Достаточно периодически архивировать каталог volume — например, ночным cron с последующей выгрузкой в объектное хранилище. На хостинге, где бэкапы делаются автоматически каждый день, эта задача частично снимается с плеч, но собственную копию критичных данных иметь всё равно полезно.

Для обновления образа просто останови контейнер, вытяни свежий тег и подними заново с тем же томом — данные переживут апгрейд. Пробовать новые версии на проде вслепую не стоит: иногда меняется схема БД, поэтому перед крупным обновлением сделай снимок тома.

Частые вопросы