پروفایل پروژه

Open WebUI

Open WebUI برای تیم‌هایی مناسب است که یک رابط self-hosted، قابل‌گسترش و کنترل‌پذیر برای LLMها می‌خواهند. تمرکز آن روی chat، model management، tools، RAG و استقرار خصوصی است؛ بنابراین بیشتر interface-oriented است تا builder-oriented.

پروفایل مخزنپلتفرم رابط AI خودمیزبانمتوسط
متن‌بازSelf-hostedToolsMCPRAG
مسیر/projects/open-webui
نوعپلتفرم رابط AI خودمیزبان
سطحمتوسط
شناسه repoOpen WebUI

open-webui/open-webui

پروفایل مستقل برای بررسی پروژه، نه مقاله و نه داشبورد ابزار.

سیگنال‌های سریع

Star142k
Fork20.4k
PR196

خلاصهٔ فوری

رابط و پلتفرم خودمیزبان برای کار با مدل‌ها، ابزارها و knowledge

Star142k
Fork20.4k
Commit16,810
Issue214

نمای پروژه

نمای پروژه

چیست

رابط و پلتفرم خودمیزبان برای کار با مدل‌ها، ابزارها و knowledge

نیست

visual flow builder یا library core

مناسب برای

مناسب برای
local/private LLM workflowschat UI و model managementtool integrationsRAG و knowledge base

نامناسب برای

نامناسب برای
builder تصویری مثل Flowise یا Langflow می‌خواهیفقط library primitive می‌خواهیorchestration graph-first عمیق می‌خواهی

سلامت GitHub

سلامت GitHub

نمایه عمومی GitHub در زمان بررسی: star و fork بسیار بالا، issue و PR فعال، و تاریخچه commit پرحجم در repo اصلی Open WebUI.

Star142k
Fork20.4k
Commit16,810
Issue214
PR196

سطح معماری

سطح معماری

01Chat Interface

هسته تجربه روی تعامل مستقیم با مدل‌ها قرار دارد.

02Models & Agents

model presets، task models و agent wrappers در مرکز پلتفرم هستند.

03Tools / Plugins

tool calling، plugins، functions، MCP و OpenAPI servers.

04Knowledge & RAG

knowledge bases، retrieval و context injection برای chatهای دانش‌محور.

05Access / Admin

roles، groups، access control، analytics و evaluation.

06Deploy Anywhere

Docker، Kubernetes، pip و bare metal با observability.

ماتریس توانمندی Agent

ماتریس توانمندی Agent

Self-hosted interface
قوی

محصول صریحاً برای اجرای local یا cloud و offline طراحی شده است.

Tool calling
قوی

اسناد رسمی ابزارها، plugins و function calling را بخش محوری می‌دانند.

Knowledge / RAG
قوی

knowledge bases، vector search و full-context injection رسمی هستند.

MCP / OpenAPI
قوی

extensibility رسمی با MCP و OpenAPI servers پوشش داده شده است.

Low-level orchestration
متوسط

برای تجربه رابط عالی است، اما runtime graph-first نیست.

جریان اجرا

جریان اجرا / Runtime

1
1. مدل را وصل کن

Ollama یا OpenAI-compatible / Anthropic-compatible provider را متصل کن.

2
2. ابزارها را فعال کن

Tool calling، plugins، functions، MCP یا OpenAPI server را روشن کن.

3
3. Knowledge را بساز

knowledge base و retrieval را برای کار دانش‌محور فعال کن.

4
4. دسترسی را تنظیم کن

roles، user groups و access control را برای تیم یا سازمان اعمال کن.

5
5. استقرار را نهایی کن

Docker، Kubernetes، pip یا bare metal را برای production انتخاب کن.

ماتریس تناسب

ماتریس تناسب

local/private LLM workflowsبالا

Open WebUI برای self-host و offline operation طراحی شده است.

مدل محلی و storage را به‌صورت خصوصی نگه دار.

chat UI و model managementبالا

رابط اصلی روی چت، مدل‌ها و agent wrapperها متمرکز است.

presetها و دسترسی مدل را تنظیم کن.

RAG / knowledge appsبالا

knowledge base، vector search و agentic retrieval رسمی هستند.

منابع دانشی را به KB وصل کن.

tool/server integrationsبالا

MCP، OpenAPI، Python tools و plugins پشتیبانی شده‌اند.

ابزارهای موردنیاز را به chat یا model bind کن.

visual flow buildingکم

Open WebUI builder بصری نیست.

اگر flow visual می‌خواهی، یک builder-first tool را هم بررسی کن.

رادار ریسک

رادار ریسک

Extension sprawlمتوسط

plugins و ابزارهای زیاد می‌توانند governance را پیچیده کنند.

Model/tool governanceمتوسط

برای تیم بزرگ، access control و policy مهم می‌شوند.

Deployment complexityمتوسط

گزینه‌های متعدد deploy خوب‌اند، اما انتخاب و hardening لازم دارند.

Builder confusionکم

نباید با ابزارهای flow-builder اشتباه گرفته شود.

شواهد

شواهد

منبع رسمیصفحه اصلی Open WebUI
رسمی

محصول را به‌عنوان self-hosted AI interface/platform معرفی می‌کند.

مشاهده منبع
منبع رسمیDocs home
رسمی

مستندات رسمی برای شروع و مرجع محصول.

مشاهده منبع
منبع رسمیGitHub repository
GitHub

مخزن رسمی و README اصلی پروژه.

مشاهده منبع
منبع رسمیQuick Start
رسمی

روش‌های رسمی Docker، Python، Kubernetes و Desktop.

مشاهده منبع
منبع رسمیEssentials
رسمی

tool calling، plugins، RAG و Open Terminal را توضیح می‌دهد.

مشاهده منبع
منبع رسمیFeatures
رسمی

Knowledge & RAG، Models & Agents، Extensibility و Deploy Anywhere.

مشاهده منبع
منبع رسمیConnect a Provider
رسمی

اتصال به Ollama، OpenAI و سایر providerهای سازگار.

مشاهده منبع
منبع رسمیConnect an Agent
رسمی

اتصال agentهای رسمی و autonomous workflowها.

مشاهده منبع

ارزش یادگیری

ارزش یادگیری

درک interface-oriented AI platformشناخت tool calling و plugins در سطح UIفهم knowledge/RAG از دید user-facing productآشنایی با MCP و OpenAPI extensibilityدیدن مرز بین chat interface و builder flow

منابع مرتبط / ابزارها

منابع مرتبط / ابزارها

Project Fit

مناسب چه پروژه‌هایی است؟

این ابزار برای چه پروژه‌هایی مناسب است

Open WebUI برای ساخت chat UI و self-hosted assistant مناسب است

اگر می‌خواهید یک رابط چت برای مدل‌های محلی یا داخلی داشته باشید، Open WebUI مناسب است. برای self-hosted chat و portal داخلی خوب است.

Product TeamFounder فنیBackend DeveloperAI Agent BuilderOperationsSupport Team

Audience

به درد چه کسانی می‌خورد؟

Product TeamFounder فنیBackend DeveloperAI Agent BuilderOperationsSupport Team

Use Cases

به درد چه پروژه‌هایی می‌خورد؟

Self-hosted Chat

برای چت داخلی روی زیرساخت خودتان.

Local Model UI

برای نمایش مدل‌های محلی در یک رابط ساده.

Internal Assistant

برای ساخت دستیار داخلی تیم.

Model Portal

برای دسترسی چندکاربره به مدل‌ها.

Prompt Playground

برای تست promptها در UI.

Team Chat Surface

برای یک سطح چت ساده و مشترک.

Fit

میزان تناسب با پروژه‌ها

Chat UIعالی
Self-hostingخیلی خوب
Local modelsخیلی خوب
Backend agent logicمتوسط
Browser automationضعیف

Flow

چطور ساده پیاده‌سازی می‌شود؟

1مدل را وصل کن
2UI را تنظیم کن
3دسترسی را تعریف کن
4chat را test کن
5استفاده تیمی را مانیتور کن

Requirements

حداقل پیش‌نیازها

Model endpointAuthChat dataUI configHosting

Good Fit

چه زمانی انتخاب خوبی است؟

رابط چت می‌خواهید.
مدل‌ها را self-host می‌کنید.
assistant داخلی لازم دارید.
prompt playground می‌خواهید.
UI سریع و آماده مهم است.

Bad Fit

چه زمانی انتخاب خوبی نیست؟

هدف شما browser automation است.
backend agent پیچیده لازم دارید.
chat UI اصلاً نیاز اصلی نیست.
هیچ مدل یا endpoint ندارید.
به workflow اجرایی نیاز ندارید.

Example

نمونه تصمیم واقعی

برای یک تیم داخلی، Open WebUI می‌تواند رابط چت خصوصی روی مدل محلی یا داخلی فراهم کند و prompt testing را ساده کند.