Toolฟรี

Open WebUI: แพลตฟอร์ม AI Self-Hosted ที่ใช้งานง่าย รองรับ Ollama, OpenAI และ LLM อื่นๆ

แพลตฟอร์ม AI แบบ self-hosted ที่ออกแบบมาให้ใช้งานออฟไลน์ได้สมบูรณ์ รองรับ Ollama, OpenAI API และ LLM runners อื่นๆ พร้อมระบบ plugin ที่ขยายได้ และ RAG engine ในตัว เหมาะสำหรับองค์กร ทีมพัฒนา และโปรเจกต์ส่วนตัวที่ต้องการควบคุมข้อมูลและปรับแต่งได้เต็มรูปแบบ มีตารางเปรียบเทียบกับ LocalAI, Jan, Anything LLM พร้อมข้อมูล performance เชิงลึก (tokens/second, concurrent users) และการวิเคราะห์ต้นทุน self-hosted เทียบกับ cloud APIs

คัดมาจาก GitHub · อัปเดต 10 ส.ค. 2569

ดูโค้ดต้นทาง

GitHub

ส่วนประกอบ

ui · llm · rag · ollama · self-hosted

Open WebUI คืออะไร

Open WebUI เป็นแพลตฟอร์ม AI แบบ self-hosted ที่ออกแบบมาให้ทำงานออฟไลน์ได้เต็มรูปแบบ รองรับการเชื่อมต่อกับ Ollama และ OpenAI-compatible APIs ต่างๆ เช่น LMStudio, GroqCloud, Mistral, OpenRouter, vLLM พร้อม inference engine ในตัวสำหรับ RAG ทำให้เป็นโซลูชันที่ทรงพลังสำหรับการ deploy AI

ทำไมต้องใช้

ติดตั้งง่าย: รองรับทั้ง pip, uv, Docker, Kubernetes พร้อม image สำหรับ :ollama และ :cuda
ผสานหลาย Provider: เชื่อมต่อ API ที่ compatible กับ OpenAI และ Ollama ได้พร้อมกัน ผสมผสาน provider ได้อย่างอิสระ
ควบคุมสิทธิ์แบบละเอียด: มี RBAC และ user groups สำหรับกำหนดบทบาท กลุ่ม และสิทธิ์เฉพาะแต่ละคน
ขยายได้ด้วย Plugin: รองรับ Filters, Actions, Pipes, Tools, Skills และเชื่อมต่อบริการภายนอกผ่าน MCP, MCPO, OpenAPI tool servers
สร้าง Models & Agents: ห่อหุ้ม base model ด้วย instructions, tools และ knowledge เฉพาะทาง พร้อมตัวแปรแบบไดนามิก ควบคุมสิทธิ์ต่อผู้ใช้/กลุ่ม และนำเข้า preset จาก Open WebUI Community
Notes: workspace สำหรับเขียนเนื้อหานอก chat ด้วย rich editor ใช้ AI เขียนใหม่ และแนบเข้า chat เพื่อเพิ่ม context ได้เต็มรูปแบบ
Channels: พื้นที่ทำงานร่วมกันแบบ real-time ระหว่างทีมและ AI models แท็ก model เพื่อร่างหรือวิจารณ์ มี threads, reactions, pins และควบคุมสิทธิ์ได้
Persistent Memory: AI จดจำข้อมูลเกี่ยวกับคุณข้ามการสนทนา

เริ่มใช้งาน

System Requirements

Minimum: 4GB RAM, 10GB disk space (สำหรับ small models)
Recommended: 16GB+ RAM, 50GB+ disk space (สำหรับ models ขนาดใหญ่)
GPU: Optional แต่แนะนำสำหรับ performance ที่ดีขึ้น (CUDA-compatible)

ติดตั้งด้วย Docker (แนะนำ)

# ใช้งานกับ Ollama
docker run -d -p 3000:8080 \
  -v open-webui:/app/backend/data \
  --name open-webui \
  ghcr.io/open-webui/open-webui:ollama

ติดตั้งด้วย pip

pip install open-webui
open-webui serve

เปิดเบราว์เซอร์ที่ http://localhost:3000 แล้วสร้างบัญชีผู้ใช้แรก (จะได้สิทธิ์ admin อัตโนมัติ)

เชื่อมต่อ API อื่นๆ

ไปที่ Settings → Connections เพื่อเพิ่ม OpenAI-compatible API endpoints เช่น LMStudio, GroqCloud หรือ OpenRouter

Use Cases

องค์กรและทีมพัฒนา

Internal AI Assistant: ติดตั้ง on-premise เพื่อรักษาความปลอดภัยข้อมูล ใช้ RAG ดึงเอกสารภายในองค์กร
Multi-team Deployment: ใช้ Channels และ RBAC แบ่งการเข้าถึงตามทีม/แผนก
Custom Agent Development: สร้าง specialized agents สำหรับงานเฉพาะทาง เช่น code review, customer support

นักพัฒนาและโปรเจกต์ส่วนตัว

Local Development Copilot: รัน Ollama + Open WebUI บนเครื่องโดยไม่ต้องส่งโค้ดออกนอก
Model Testing & Comparison: เชื่อมหลาย provider พร้อมกัน เทียบผลลัพธ์จาก GPT-4, Claude, Llama
Knowledge Management: ใช้ Notes และ RAG จัดการความรู้ส่วนตัวหรือเอกสารโปรเจกต์

Plugin Ecosystem

Open WebUI มี plugin architecture ที่ยืดหยุ่น:

Plugin ยอดนิยม

Web Search: เชื่อมต่อ search engines (Google, DuckDuckGo) เพื่อให้ AI ค้นหาข้อมูลแบบ real-time
Code Execution: รันโค้ด Python/JavaScript ใน sandbox environment
Image Generation: ผสาน DALL-E, Stable Diffusion หรือ local image models
Database Connectors: Query ฐานข้อมูล SQL/NoSQL ผ่าน natural language

สร้าง Plugin เองได้ง่ายๆ

Plugin เขียนเป็น Python functions พร้อม decorators:

from openwebui import Filter

class MyFilter(Filter):
    def inlet(self, body: dict) -> dict:
        # ปรับแต่ง request ก่อนส่งไป model
        return body
    
    def outlet(self, body: dict) -> dict:
        # ปรับแต่ง response จาก model
        return body

ดูเพิ่มเติมที่ Plugin Documentation

เปรียบเทียบกับทางเลือกอื่น

Feature	Open WebUI	LocalAI	Jan	Anything LLM
Web Interface	✅ UI ทันสมัยใช้งานง่าย	⚠️ เน้น API	✅ แอปเดสก์ท็อป	✅ Web UI
Multi-provider	✅ รองรับหลาย provider	⚠️ Local เท่านั้น	⚠️ จำกัด	✅ รองรับหลายตัว
RAG Built-in	✅ Engine เต็มรูปแบบ	❌ ไม่มี	❌ ไม่มี	✅ มี
RBAC/Teams	✅ ระดับขั้นสูง	❌ ไม่มี	❌ ไม่มี	⚠️ พื้นฐาน
Plugin System	✅ ขยายได้เต็มที่	⚠️ จำกัด	❌ ไม่มี	⚠️ พื้นฐาน
Deployment	Docker, pip, K8s	Docker	Desktop	Docker

Open WebUI เหมาะกับ: องค์กรที่ต้องการ full-featured platform พร้อม collaboration และ security

LocalAI เหมาะกับ: developer ที่ต้องการ API-only solution แบบ lightweight

Jan เหมาะกับ: ผู้ใช้ทั่วไปที่ต้องการ desktop app ใช้งานง่าย

Anything LLM เหมาะกับ: โปรเจกต์ที่เน้น document Q&A และ RAG

Performance Considerations

ความเร็วในการตอบสนอง

7B models บน CPU: 2-5 วินาที (~15-30 tokens/second)
70B models บน CPU: 10-30 วินาที (~3-8 tokens/second)
7B models บน GPU (CUDA): 0.3-1 วินาที (~80-150 tokens/second)
70B models บน GPU (CUDA): 2-5 วินาที (~40-80 tokens/second)

Concurrent Users

Docker deployment มาตรฐาน: รองรับ 10-50 users พร้อมกัน (ขึ้นกับ RAM และ model size)
Production scale: ใช้ Kubernetes + load balancer สำหรับ 100+ concurrent users

GPU Acceleration

ลด response time ได้ 5-10x เทียบกับ CPU
ต้องใช้ :cuda image และ CUDA-compatible GPU
แนะนำ VRAM อย่างน้อย 8GB สำหรับ 7B models, 24GB+ สำหรับ 13B+ models

ต้นทุนการใช้งาน

Self-hosted: ค่าไฟฟ้า (~$20-100/เดือน ขึ้นกับฮาร์ดแวร์และการใช้งาน) + ค่า cloud instance (ถ้าใช้ VPS: $50-500/เดือน)
เทียบกับ Cloud APIs: OpenAI GPT-4 (~$0.03/1K tokens) อาจถูกกว่าถ้าใช้งานน้อย แต่ self-hosted คุ้มกว่าเมื่อใช้งานหนัก (>1M tokens/เดือน)
Break-even point: ประมาณ 500K-2M tokens/เดือน ขึ้นกับต้นทุนฮาร์ดแวร์