Ollama 把模型跑起来之后，命令行能用，但不适合长期聊天、切模型、看历史记录，也不方便同时接本地模型和在线 API。真正影响使用体验的，往往不是模型本身，而是“怎么管理和调用”。本文以 OpenWebUI 为统一 Web 入口，按实际验证顺序梳理一条可复现的部署链路：Python 3.11 环境 → OpenWebUI 安装启动 → 管理员初始化 → 本机 Ollama → 局域网 Ollama → 云端 OpenAI 兼容 API。

一、先明确角色分工

OpenWebUI 更适合被理解成一个把不同模型入口集中到浏览器里的 Web 界面和管理层。它负责聊天界面、对话历史、Markdown 与代码展示、模型切换、外部模型连接、管理员配置和多用户入口；Ollama 负责本地模型运行；云端平台负责 API 模型推理。三者不是同一个角色，链路应拆开理解：OpenWebUI 负责界面和连接，Ollama 负责本地推理，云端 API 负责另一条推理路径。

这也意味着“自托管”不等于“百分百离线和绝对隐私”。如果只连接本地 Ollama 并使用本地模型，推理链可以主要留在本地环境；但一旦接入云端 API，Prompt 和请求就会经过对应云端接口。数据路径取决于实际连接的模型后端，本地模型和云端 API 要分开理解。

二、Python 3.11 环境与 OpenWebUI 安装

本次使用 Python 3.11 + pip。安装方式按平台区分：Windows 从 python.org 下载 3.11.8 安装包；macOS 使用 brew install python@3.11；Ubuntu/Debian 使用 sudo apt install python3.11。安装后用 python --version 确认版本落在 3.11。

为减少依赖下载等待，配置清华 PyPI 镜像：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

随后安装并启动 OpenWebUI：

pip install open-webui
open-webui serve

启动后默认本地入口是 8080，浏览器访问 http://localhost:8080/ 即可确认“浏览器 → OpenWebUI:8080”链路跑通。首次进入需要创建第一个管理员账号，这一步很关键，因为后续外部模型连接、API 配置、Ollama 连接和用户管理都从管理员设置进入。

三、接入本机 Ollama 与 DeepSeek R1 1.5B

本地模型路线先准备 Ollama。安装命令按平台区分：Windows 使用 winget install Ollama.Ollama；macOS 使用 brew install ollama；Linux 使用 curl -fsSL https://ollama.ai/install.sh | sh；启动服务用 ollama serve。执行 ollama 确认安装正常后回到 OpenWebUI。

OpenWebUI 的模型选择页面可以直接看到本机已有模型（本次环境中出现了 qwen3:32b），说明 OpenWebUI 与当前 Ollama 链路已经连上。接着在界面中搜索并拉取 deepseek-r1:1.5b，这一步等价于“OpenWebUI 界面 → Ollama → 下载模型”。拉取完成后实际对话，可确认“OpenWebUI → 本机 Ollama → deepseek-r1:1.5b”能正常交互。模型小、响应快只是本次体验表现，不能推导出所有硬件、所有 Prompt 下都一样快。

四、接入局域网 Ollama 与 671B 模型

如果大模型跑在另一台机器上，OpenWebUI 可以作为统一入口。进入管理员设置 http://localhost:8080/admin/settings/general，在外部连接中新增 Ollama API 连接，填写实际局域网里的 Ollama 服务地址。连接成功后回首页，可以看到来自局域网服务器的 deepseek-r1:671B，实际调用也验证了“OpenWebUI → 局域网 Ollama → DeepSeek R1 671B”链路可用。

需要明确边界：671B 是否适合自己的硬件，取决于真正运行 Ollama 的那台主机资源，OpenWebUI 本身不会替你解决大模型算力需求。

五、接入云端 OpenAI 兼容 API

没有本地大算力时，可以走 OpenAI 兼容 API 路线。本次以阿里云百炼为例：进入控制台创建 API Key，回到 OpenWebUI 管理员设置的外部连接 → OpenAI API 新增连接，接口地址填写 https://dashscope.aliyuncs.com/compatible-mode/v1/，并填入自己的 API Key。回首页后可以看到通过百炼接入的 deepseek-r1，此时 OpenWebUI 同时具备本地/局域网 Ollama 和云端 OpenAI 兼容 API 两类模型来源。

安全上要注意：API Key 不应出现在公开文章、截图或仓库中；资料中出现的 sk- 格式示例只能理解为格式示意，不能当作可直接使用的公共密钥。云端路线还会涉及调用额度、云端请求和平台计费或免费额度，具体以账号当时页面显示为准。

六、固定地址访问与排错要点

资料中给出的远程访问目标是把 8080 的外部入口从随机公网地址切换到固定二级子域名，但未展开具体反向代理与 HTTPS 配置细节。工程上可执行的方向是：在 OpenWebUI 前放置反向代理，将固定域名转发到本机 8080，并在代理层终止 HTTPS；同时限制管理后台的暴露范围，避免管理员设置页直接暴露在公网。

常见排错可按链路分段定位：8080 打不开先确认 open-webui serve 是否仍在运行；模型列表为空先确认 Ollama 服务是否启动、外部连接地址是否可达；局域网模型不可见检查目标主机防火墙与监听地址；云端模型报错优先核对接口地址、API Key 和账号额度。把“界面—连接—推理”三段分开排查，比整体重启更容易定位问题。

整条链路的价值在于模型后端可以拆开管理：轻量模型放本机，大模型放局域网服务器，需要时再接云端 API，界面、算力和模型来源不必绑死在一台机器上。RAG、MCP、团队协作等属于 OpenWebUI 后续可扩展方向，本文不作为已完整验证的主线。