[Openwebui] 使用Pipeline功能

2025-06-14

方法一：用 Docker 容器运行 Pipelines

docker run -d -p 9099:9099 \
  --add-host=host.docker.internal:host-gateway \
  -v /home/yourname/my-pipelines:/app/pipelines \
  --name pipelines \
  --restart always \
  ghcr.io/open-webui/pipelines:main

这种方法直接使用官方预构建的 Docker 镜像，自动加载 /app/pipelines 路径下的 pipeline 文件；将你写好的 pipeline 挂载进去即可使用

官方镜像下载慢，但是华为云又版本过低？没事，这里我已经帮你找到了南京大学的镜像，速度快，版本新，十分甚至九分的好用

ghcr.nju.edu.cn/open-webui/pipelines:main

方法二：本地部署pipelines

第一步：克隆官方pipeline仓库

git clone https://github.com/open-webui/pipelines.git
cd pipelines
python3.11 -m venv venv
source venv/bin/activate
pip install -r requirements.txt

注意的点

关于 clone github 仓库

如果你拥有自己的服务器，可以在云端进行。而且vscode支持远程连接时git 仓库，很方便（可能需要科学上网），也可以选择先克隆到本地，再把写好的文件上传到云端服务器

关于 requirement.txt

需要rustc和cargo的支持，需要先下载rust。直接安装依赖可能报错

第二步：创建 `rag_pipeline.py` 文件

📁 在 pipelines/ 目录下新建：

# pipelines/rag_pipeline.py

from openwebui.pipelines import PipelineStep
from rag_report_generator import ReportGenerator

class RAGPipeline(PipelineStep):
    def __init__(self):
        # 保留你原来的逻辑
        self.generator = ReportGenerator()

    def run(self, data: dict) -> dict:
        query = data.get("user_input", "")  # OpenWebUI 会传 user_input
        result = self.generator.generate_report(query)
        return {
            "response": result  # 返回给前端
        }

代码片段，仅供参考。

这里的自定义pipeline可参考 (https://github.com/open-webui/pipelines/blob/main/examples/pipelines)中官方的pipeline写法

第三步：启动 Pipelines 服务

sh ./start.sh

成功后会默认监听：

http://localhost:9099/v1/chat/completions

你可以在浏览器尝试访问 http://localhost:9099/docs 查看接口文档是否加载。

这种方法会启动本地 Python 脚本，运行一个 FastAPI 服务，监听 9099 端口,会自动加载你本地 pipelines/ 文件夹中的所有 pipeline 文件（.py）

适合场景：

开发者在调试自定义 pipeline；
不想用 Docker 或暂时测试环境未准备好；
更灵活，便于打 log 和调试。

额外注意事项

请仔细查看openwebui的官方文档，是否正确安装了所需的依赖和所需的python版本，其中提到3.11是唯一支持的python版本！

在 OpenWebUI 设置中绑定 Pipelines

打开 OpenWebUI Web 页面
进入 设置 → 外部连接
添加一个模型：
- URL填写：http://<你的服务器地址>:9099/
- 密钥： 0p3n-w3bu!
你会看到有一个图标显示在该连接上，说明你的pipeline连接成功了
上传本地/从GitHub上下载pipeline
现在你可以从模型列表中看到pipeline, 可以直接与其对话

方法一： 用 Docker 容器运行 Pipelines

方法二： 本地部署pipelines