《Open WebUI 核心功能与使用指南》，它按照新手入门、核心功能、进阶配置的逻辑顺序排列，涵盖了您使用 Open WebUI 所需要了解的全部知识点，您可以将其视为一份结构化、易懂的学习手册。
📘 Open WebUI 核心功能与使用指南
🚀 第一部分：新手入门与概述 (Overview)
💡 什么是 Open WebUI？
Open WebUI 是一个基于 Web 的用户界面（User Interface），它的主要作用是提供一个简洁、友好的聊天机器人前端，让用户可以方便地连接和使用本地运行的大型语言模型（LLMs）。
核心价值：
- 本地化运行： 允许用户在自己的设备上运行模型，保证数据隐私，不将敏感数据上传给第三方公司。
- 易用性： 将复杂的命令行操作（如与 Ollama 交互）封装成图形界面，让非技术人员也能使用高级 AI 功能。
- 多模型管理： 可以在一个界面下切换和管理多个本地部署的 LLMs。
⚙️ 运行前须知 (Prerequisites)
Open WebUI 本身只是"门面"，它需要强大的后端引擎来提供"大脑"。
- 核心依赖： 您必须首先在您的服务器或电脑上运行 Ollama。Ollama 是一个用于管理和运行本地 LLMs 的工具。
- 安装顺序： 必须先安装和运行 Ollama，模型才能通过 Open WebUI 调用到。
💬 第二部分：核心功能使用流程 (Core Usage)
掌握这三个步骤，您就可以进行基本的 AI 对话了。
1. 📱 开始一个新会话 (Starting a New Chat)
- 操作： 点击左侧的"+ New Chat"或新建对话按钮。
- 作用： 为您的对话创建独立的上下文空间。不同会话之间的数据是隔离的，避免历史信息混淆。
🤖 模型选择与切换 (Model Selection)
在开始聊天之前，您需要选择使用哪个"大脑"。
- 操作： 在聊天界面顶部或侧边栏，选择或更改当前活跃的模型名称（例如：
llama3:8b、mistral）。 - 作用： 决定了模型的能力、性格、知识广度以及推理风格。不同的模型适用于不同的任务。
📝 撰写提示词 (Prompting)
这是与 AI 对话的唯一方式。
- 操作： 在输入框中输入您的问题、指令或需要 AI 完成的任务。
- 最佳实践： 提示词越具体，AI 的回答越精确。请尽量包含以下元素：
- 角色设定： "你是一位专业的市场营销顾问，请帮我......"
- 任务目标： "目标是提高网站的转化率。"
- 限制条件： "请用中文撰写，篇幅不能超过 500 字。"
📁 文件上传与 RAG (Retrieval Augmented Generation)
这是 Open WebUI 最强大的功能之一，它让 AI 具备了"阅读"能力。
- 操作： 在输入框旁边，找到"附件/上传文件"按钮，上传 PDF、文档、图片等文件。
- 原理（RAG）： Open WebUI 不会直接将文件喂给模型，而是将文件内容分块、提炼、并存入一个向量数据库 。当您提问时，系统会：
- 分析您的问题（转化为向量）。
- 在数据库中搜索与您问题最相关的知识片段（Context）。
- 将"问题 + 知识片段"打包成一个增强的提示词，发送给 LLM，让模型基于这些事实进行回答。
- 结果： AI 的回答会更具事实依据，并且在回答中会引用"基于您提供的文件..."来表明其信息来源。
⚙️ 第三部分：高级配置与管理 (Advanced Configuration)
对于追求专业效果和数据管理的进阶用户。
📑 系统提示词 (System Prompt / Custom Instructions)
- 作用： 系统提示词是给 AI 的"底层设定"，它不会显示在聊天记录中，但它会影响 AI 的底层行为和性格。
- 应用场景：
- 角色扮演： "你必须以幽默、批判性的语调回答问题。"
- 格式约束： "无论如何，你的所有回答必须是 Markdown 格式，并使用 Markdown 表格展示结果。"
- 查找位置： 通常在聊天设置或模型配置的偏好设置中。
📋 历史记录管理 (Chat History)
- 查看： 左侧边栏会展示所有的聊天会话名称。
- 复用： 如果要基于旧的对话继续，直接点击该聊天记录。
- 清理： 如果某次会话内容泄露或过时，记得在该会话内部进行删除或重命名。
🔗 连接外部 API (API Integration)
- 场景： 如果您想接入非 Ollama 提供的第三方 AI 服务（如 OpenAI、Anthropic 等），您需要通过配置 API Key 和 Endpoint URL 来完成连接。
- 操作： 在 Open WebUI 的设置或模型管理页面，找到 API 配置区域进行填入。
🆘 第四部分：故障排除与维护 (Troubleshooting)
| 现象 (Problem) | 可能原因 (Possible Cause) | 解决方案 (Solution) |
|---|---|---|
| 模型无法调用 | 1. Ollama 服务没有运行。 2. 模型名称输入错误。 3. 网络连接问题。 | 1. 检查 Ollama 是否后台运行。 2. 确认模型是否已通过 ollama pull <model_name> 下载。 3. 检查服务器网络端口是否开放。 |
| AI 回答不准确 | 1. 提示词模糊，指令不明确。 2. 上传的文件内容太多，超出上下文窗口。 3. 选用的模型能力不足。 | 1. 优化提示词，尽量结构化您的需求。 2. 将文件分成几份，逐步让 AI 消化。 3. 尝试更换一个参数更强的模型。 |
| 界面无法使用 | 浏览器兼容性问题或后端服务崩溃。 | 1. 尝试清空浏览器缓存，或切换浏览器。 2. 查看服务器的终端日志（Terminal/Console）寻找红色的错误堆栈信息。 |
| 文件找不到 | 如前所述，Open WebUI 不提供全局文件浏览器。 | 定位到原始的、使用了该文件的聊天会话中查找。 |
✨ 总结：如何使用 Open WebUI 的思维导图
| 步骤 | 核心操作 | 技术组件 | 结果/用途 |
|---|---|---|---|
| 1. 准备 | 启动 LLM 后端 | Ollama | 确保 AI "大脑"处于待命状态。 |
| 2. 指导 | 设置 System Prompt | Open WebUI UI | 设定 AI 的人设、格式和规则。 |
| 3. 输入 | 上传文件 (RAG) | 向量数据库 | 将非结构化的知识转化为 AI 可读的"事实证据"。 |
| 4. 提问 | 编写 Prompt | 聊天输入框 | 提出具体、有边界的问题。 |
| 5. 输出 | 获得回复 | 聊天结果区 | 基于所有上下文（模型、文件、指令）生成的准确答案。 |