# آموزش نصب Open WebUI روی سرور

- پیوند: https://negarnovin.com/install-open-webui-on-server/
- منتشرشده: 2026-09-22T12:08:37+00:00
- نویسنده: نگارنوین

# آموزش نصب Open WebUI روی سرور؛ اتصال به Ollama و اجرای مدل های هوش مصنوعی

Open WebUI یکی از محبوب ترین رابط های کاربری Self-Hosted برای کار با مدل های هوش
مصنوعی است. این پلتفرم به شما اجازه می دهد مدل های محلی مانند Ollama را از طریق 
یک رابط گرافیکی تحت وب مدیریت کنید و در کنار آن به سرویس ها و APIهای سازگار با OpenAI
نیز متصل شوید. Open WebUI را می توان روی Linux، Windows و macOS اجرا کرد و روش Docker
در مستندات رسمی، مسیر پیشنهادی برای اغلب نصب ها محسوب می شود.

[**سرور مجازی فنلاند**](https://negarnovin.com/%D8%B3%D8%B1%D9%88%D8%B1-%D9%85%D8%AC%D8%A7%D8%B2%DB%8C-%D9%81%D9%86%D9%84%D8%A7%D9%86%D8%AF/)

در این آموزش، نصب Open WebUI روی سرور لینوکس را از ابتدا انجام می دهیم؛ سپس آن را
به Ollama متصل می کنیم، مدل هوش مصنوعی اجرا می کنیم، در صورت داشتن GPU انویدیا از
شتاب دهی سخت افزاری استفاده می کنیم و در نهایت Open WebUI را با دامنه و SSL برای
استفاده اینترنتی آماده می کنیم.

---

## Open WebUI چیست؟

Open WebUI یک رابط کاربری تحت وب برای اجرای و مدیریت مدل های هوش مصنوعی است که می
تواند در محیط شخصی یا سرور اختصاصی شما اجرا شود.

در ساده ترین معماری، سه بخش داریم:

    ```language-text
    کاربر
     │
     ▼
    Open WebUI
     │
     ▼
    Ollama / OpenAI-Compatible API
     │
     ▼
    مدل هوش مصنوعی
    ```

Open WebUI خودش الزاماً مدل زبانی را اجرا نمی کند. این برنامه بیشتر نقش رابط و لایه
مدیریتی را دارد و می تواند به Ollama یا سرویس های سازگار با OpenAI متصل شود. مستندات
رسمی Open WebUI نیز اتصال به Ollama، OpenAI-compatible و Open Responses را پشتیبانی
می کنند.

برای مثال می توانید روی یک سرور، Ollama را اجرا کنید و مدل هایی مانند Llama، Qwen
یا مدل های دیگر را نصب کرده و سپس همه آن ها را از طریق Open WebUI مدیریت کنید.

![آموزش نصب Open WebUI روی سرور](https://negarnovin.com/wp-content/uploads/2026/
09/ChatGPT-Image-Sep-22-2026-03_36_04-AM-1.png)

آموزش نصب Open WebUI روی سرور

---

## چرا Open WebUI را روی VPS یا سرور نصب کنیم؟

اجرای Open WebUI روی سرور چند مزیت مهم دارد:

### دسترسی از هر دستگاه

به جای اینکه Open WebUI فقط روی کامپیوتر شخصی شما اجرا شود، می توانید آن را روی 
یک VPS یا سرور قرار دهید و از لپ تاپ، موبایل یا سیستم های مختلف به آن دسترسی داشته
باشید.

### کنترل بیشتر روی داده ها

وقتی زیرساخت را خودتان مدیریت می کنید، کنترل بیشتری روی محل نگهداری گفتگوها، کاربران
و تنظیمات دارید.

### اجرای مدل های Local

با اتصال Open WebUI به Ollama می توانید مدل های هوش مصنوعی را روی سخت افزار خودتان
اجرا کنید.

### اتصال به چند سرویس هوش مصنوعی

Open WebUI فقط محدود به Ollama نیست و می تواند به APIهای سازگار با OpenAI نیز متصل
شود.

### مناسب برای تیم ها

می توان Open WebUI را روی سرور قرار داد و از قابلیت های احراز هویت و مدیریت کاربران
برای استفاده چندکاربره بهره برد.

---

# پیش نیازهای نصب Open WebUI

برای یک نصب معمولی به موارد زیر نیاز دارید:

 * سرور Linux
 * Docker
 * Docker Compose Plugin
 * دسترسی SSH
 * حداقل چند گیگابایت فضای ذخیره سازی آزاد
 * دامنه، در صورت نیاز به دسترسی اینترنتی
 * Ollama یا یک API هوش مصنوعی، در صورت نیاز به اجرای مدل

Open WebUI روی معماری های مختلف از جمله x86_64 و ARM64 قابل اجرا است. مستندات رسمی،
Docker را روش رسمی و پیشنهادی برای اغلب کاربران معرفی می کنند.

برای اجرای خود رابط Open WebUI، منابع زیادی لازم نیست؛ اما بخش اصلی مصرف CPU، RAM،
VRAM و فضای دیسک معمولاً مربوط به مدل های AI است، نه خود WebUI.

بنابراین اگر قصد اجرای مدل های بزرگ دارید، مشخصات سرور را باید بر اساس مدل انتخابی
تعیین کنید.

برای تهیه زیرساخت مناسب می توانید مشخصات و لوکیشن های مختلف **[سرور مجازی](https://chatgpt.com/vps/)**
را بررسی کنید.

---

# مرحله اول: ورود به سرور

با SSH وارد سرور شوید:

    ```bash
    ssh root@SERVER_IP
    ```

در صورتی که SSH روی پورت دیگری فعال است:

    ```bash
    ssh root@SERVER_IP -p 3753
    ```

ابتدا سیستم را به روزرسانی کنید.

در Ubuntu و Debian:

    ```bash
    apt update && apt upgrade -y
    ```

---

# مرحله دوم: نصب Docker

اگر Docker روی سرور نصب نیست، ابتدا آن را نصب کنید.

برای Ubuntu، روش پیشنهادی Docker استفاده از مخزن رسمی این پروژه است. Docker در حال
حاضر Ubuntu ۲۲.۰۴، ۲۴.۰۴ و ۲۶.۰۴ را در مستندات رسمی خود پشتیبانی می کند.

دستورات نصب:

    ```bash
    apt update
    apt install -y ca-certificates curl
    ```

سپس کلید رسمی Docker را اضافه کنید:

    ```bash
    install -m 0755 -d /etc/apt/keyrings

    curl -fsSL https://download.docker.com/linux/ubuntu/gpg \
    -o /etc/apt/keyrings/docker.asc

    chmod a+r /etc/apt/keyrings/docker.asc
    ```

مخزن Docker را اضافه کنید:

    ```bash
    cat >/etc/apt/sources.list.d/docker.sources <<EOF
    Types: deb
    URIs: https://download.docker.com/linux/ubuntu
    Suites: $(. /etc/os-release && echo "${UBUNTU_CODENAME:-$VERSION_CODENAME}")
    Components: stable
    Architectures: $(dpkg --print-architecture)
    Signed-By: /etc/apt/keyrings/docker.asc
    EOF
    ```

حالا Docker Engine و Compose را نصب کنید:

    ```bash
    apt update

    apt install -y \
    docker-ce \
    docker-ce-cli \
    containerd.io \
    docker-buildx-plugin \
    docker-compose-plugin
    ```

نصب را بررسی کنید:

    ```bash
    docker --version
    ```

و:

    ```bash
    docker compose version
    ```

در نهایت:

    ```bash
    systemctl enable --now docker
    ```

برای تست:

    ```bash
    docker run hello-world
    ```

دستورالعمل رسمی Docker نیز نصب `docker-compose-plugin` را همراه Docker Engine پیشنهاد
می کند.

---

# مرحله سوم: نصب Open WebUI با Docker

حالا مهم ترین مرحله شروع می شود.

ابتدا یک Secret Key امن تولید کنید:

    ```bash
    openssl rand -hex 32
    ```

خروجی شبیه زیر خواهد بود:

    ```language-text
    8c1f...a92e
    ```

این مقدار را نگه دارید.

سپس Open WebUI را اجرا کنید:

    ```bash
    docker run -d \
     -p 3000:8080 \
     --add-host=host.docker.internal:host-gateway \
     -v open-webui:/app/backend/data \
     -e WEBUI_SECRET_KEY=YOUR_SECRET_KEY \
     --name open-webui \
     --restart always \
     ghcr.io/open-webui/open-webui:main
    ```

به جای `YOUR_SECRET_KEY` کلید تولیدشده را قرار دهید.

Open WebUI برای نگهداری کاربران، گفتگوها و تنظیمات از Volume استفاده می کند و مستندات
رسمی توصیه می کنند این Volume حفظ شود؛ حذف آن می تواند داده های WebUI را از بین 
ببرد. همچنین برای محیط های Production بهتر است به جای Tag شناور `main` یک نسخه مشخص
را Pin کنید.

بررسی کنید Container اجرا شده است:

    ```bash
    docker ps
    ```

باید چیزی شبیه این ببینید:

    ```language-text
    open-webui
    Up ...
    ```

برای مشاهده لاگ:

    ```bash
    docker logs -f open-webui
    ```

---

# مرحله چهارم: ورود به Open WebUI

اگر IP سرور مثلاً:

    ```language-text
    185.126.200.100
    ```

باشد، می توانید پورت ۳۰۰۰ را در مرورگر باز کنید:

    ```language-text
    http://185.126.200.100:3000
    ```

در اولین ورود می توانید حساب کاربری خود را ایجاد کنید.

پس از ورود، پنل اصلی Open WebUI نمایش داده می شود.

---

# مرحله پنجم: نصب Ollama

Open WebUI به تنهایی مدل هایی مانند Llama یا Qwen را اجرا نمی کند. برای اجرای Local
Model می توانید از Ollama استفاده کنید.

معماری موردنظر:

    ```language-text
    Browser
     │
     ▼
    Open WebUI
     │
     ▼
    Ollama
     │
     ▼
    Qwen / Llama / Gemma / ...
    ```

در صورتی که Ollama روی همان سرور نصب باشد، Open WebUI می تواند از طریق شبکه Docker
به سرویس Ollama متصل شود.

Open WebUI مستنداً امکان مدیریت Ollama از مسیر:

    ```language-text
    Settings
    → Admin
    → Connections
    ```

را فراهم می کند.

---

# روش اول نصب Open WebUI و Ollama در یک Container

Open WebUI یک Image مخصوص دارد که Ollama را نیز داخل همان Container قرار می دهد.

### در سرور دارای NVIDIA GPU

    ```bash
    docker run -d \
     --gpus=all \
     -p 3000:8080 \
     -v ollama:/root/.ollama \
     -v open-webui:/app/backend/data \
     -e WEBUI_SECRET_KEY=YOUR_SECRET_KEY \
     --name open-webui \
     --restart always \
     ghcr.io/open-webui/open-webui:ollama
    ```

نسخه CPU:

    ```bash
    docker run -d \
     -p 3000:8080 \
     -v ollama:/root/.ollama \
     -v open-webui:/app/backend/data \
     -e WEBUI_SECRET_KEY=YOUR_SECRET_KEY \
     --name open-webui \
     --restart always \
     ghcr.io/open-webui/open-webui:ollama
    ```

این روش ساده است و برای راه اندازی سریع مناسب است. Open WebUI رسماً Imageهای `ollama`
را برای همین سناریو ارائه می کند.

---

# روش دوم: اجرای جداگانه Ollama و Open WebUI

برای سرور Production معمولاً بهتر است سرویس ها را از هم جدا کنید.

مثلاً:

    ```language-text
    Container 1:
    Open WebUI

    Container 2:
    Ollama

    Volume:
    open-webui

    Volume:
    ollama
    ```

این معماری مدیریت، Backup و Upgrade را ساده تر می کند.

پس از اجرای Ollama، آدرس API آن معمولاً:

    ```language-text
    http://SERVER_IP:11434
    ```

خواهد بود.

اگر Open WebUI روی همان Host اجرا شود، طبق مستندات Open WebUI می توانید برای دسترسی
از Docker به Ollama روی Host از:

    ```language-text
    http://host.docker.internal:11434
    ```

استفاده کنید.

---

# مرحله ششم: اتصال Open WebUI به Ollama

در Open WebUI به مسیر زیر بروید:

    ```language-text
    Settings
    → Admin
    → Connections
    ```

در قسمت Ollama API Connection آدرس Ollama را وارد کنید.

برای نمونه:

    ```language-text
    http://host.docker.internal:11434
    ```

یا اگر Ollama روی سرور دیگری قرار دارد:

    ```language-text
    http://192.168.1.50:11434
    ```

در نهایت Connection را ذخیره کنید.

Open WebUI پس از اتصال می تواند مدل های Ollama را شناسایی و مدیریت کند.

---

# مرحله هفتم: نصب اولین مدل هوش مصنوعی

حالا می توانید وارد محیط Ollama شوید.

برای مثال:

    ```bash
    ollama pull qwen3:8b
    ```

یا یک مدل دیگر:

    ```bash
    ollama pull llama3
    ```

پس از دانلود مدل، آن را در Open WebUI انتخاب کنید.

در صورتی که سرور GPU دارد، Ollama می تواند از GPU برای اجرای مدل استفاده کند؛ اما
میزان RAM و VRAM موردنیاز کاملاً به مدل، Quantization، Context Size و تعداد درخواست
های همزمان بستگی دارد.

برای پروژه های سنگین تر AI، انتخاب GPU اهمیت بسیار بیشتری از خود Open WebUI دارد.

---

# نصب Open WebUI روی سرور GPU

اگر سرور شما NVIDIA GPU دارد، Open WebUI یک Image مخصوص CUDA نیز ارائه می کند:

    ```language-text
    ghcr.io/open-webui/open-webui:cuda
    ```

و در Docker باید GPU را در اختیار Container قرار دهید. نمونه رسمی:

    ```bash
    docker run -d \
     -p 3000:8080 \
     --gpus all \
     --add-host=host.docker.internal:host-gateway \
     -v open-webui:/app/backend/data \
     -e WEBUI_SECRET_KEY=YOUR_SECRET_KEY \
     --name open-webui \
     --restart always \
     ghcr.io/open-webui/open-webui:cuda
    ```

Open WebUI همچنین Imageهای `cuda126` و نسخه های دیگر را ارائه می کند. طبق مستندات
رسمی، Image `cuda` برای بخش های ML داخلی Open WebUI مانند Embedding، Reranking و
Whisper کاربرد دارد؛ اجرای مدل های Ollama به نحوه اختصاص GPU به Container مربوط 
به Ollama نیز وابسته است.

---

# نصب با Docker Compose

برای استفاده دائمی، Docker Compose معمولاً مدیریت بهتری نسبت به یک دستور طولانی `
docker run` دارد.

یک پوشه ایجاد کنید:

    ```bash
    mkdir -p /opt/open-webui
    cd /opt/open-webui
    ```

فایل Compose را بسازید:

    ```bash
    nano docker-compose.yml
    ```

محتوای پیشنهادی:

    ```language-yaml
    services:
     open-webui:
     image: ghcr.io/open-webui/open-webui:main
     container_name: open-webui
     restart: unless-stopped

     ports:
     - "3000:8080"

     volumes:
     - open-webui:/app/backend/data

     environment:
     WEBUI_SECRET_KEY: "YOUR_SECRET_KEY"

    volumes:
     open-webui:
    ```

ذخیره کنید و اجرا کنید:

    ```bash
    docker compose up -d
    ```

بررسی:

    ```bash
    docker compose ps
    ```

لاگ:

    ```bash
    docker compose logs -f
    ```

برای Production بهتر است به جای `main` یک Tag نسخه مشخص Open WebUI را استفاده کنید
تا Update ناخواسته باعث تغییر نسخه در حال اجرا نشود. مستندات رسمی Open WebUI نیز
برای Deploymentهای قابل تکرار، Pin کردن نسخه را توصیه می کنند.

---

# استفاده از GPU در Docker Compose

برای NVIDIA GPU می توان Image را به نسخه CUDA تغییر داد:

    ```language-yaml
    services:
     open-webui:
     image: ghcr.io/open-webui/open-webui:cuda
     container_name: open-webui
     restart: unless-stopped

     ports:
     - "3000:8080"

     volumes:
     - open-webui:/app/backend/data

     environment:
     WEBUI_SECRET_KEY: "YOUR_SECRET_KEY"

     deploy:
     resources:
     reservations:
     devices:
     - driver: nvidia
     count: all
     capabilities:
     - gpu

    volumes:
     open-webui:
    ```

بعد:

    ```bash
    docker compose up -d
    ```

Open WebUI همین الگو را برای استفاده از NVIDIA GPU در Docker Compose مستند کرده 
است.

---

# استفاده از دامنه به جای IP:Port

باز کردن:

    ```language-text
    http://SERVER_IP:3000
    ```

برای تست خوب است، اما برای استفاده دائمی بهتر است یک Subdomain داشته باشید.

مثلاً:

    ```language-text
    ai.example.com
    ```

DNS را به IP سرور اشاره دهید:

    ```language-text
    ai.example.com → SERVER_IP
    ```

سپس Open WebUI را پشت Nginx قرار دهید.

معماری نهایی:

    ```language-text
    Internet
     │
     ▼
    https://ai.example.com
     │
     ▼
    Nginx
     │
     ▼
    Open WebUI :8080
     │
     ▼
    Ollama :11434
     │
     ▼
    GPU
    ```

---

# تنظیم Nginx و SSL برای Open WebUI

Open WebUI خودش TLS را Terminate نمی کند و برای HTTPS باید از Reverse Proxy مانند
Nginx، Caddy یا HAProxy استفاده کنید. مستندات رسمی Open WebUI نیز این معماری را 
برای HTTPS پیشنهاد می کنند.

نمونه کانفیگ Nginx:

    ```language-nginx
    server {
     listen 80;
     server_name ai.example.com;

     location / {
     proxy_pass http://127.0.0.1:3000;

     proxy_http_version 1.1;

     proxy_set_header Host $host;
     proxy_set_header X-Real-IP $remote_addr;
     proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
     proxy_set_header X-Forwarded-Proto $scheme;

     proxy_set_header Upgrade $http_upgrade;
     proxy_set_header Connection "upgrade";

     proxy_buffering off;
     proxy_cache off;

     proxy_read_timeout 1800;
     proxy_send_timeout 1800;
     proxy_connect_timeout 1800;
     }
    }
    ```

نکته مهم این است که Open WebUI برای Streaming و قابلیت های Real-Time به WebSocket
و SSE وابسته است. بنابراین Reverse Proxy باید Upgrade WebSocket را عبور دهد و Buffering
برای Streaming غیرفعال شود.

بعد از تنظیم DNS و Nginx می توانید SSL را با Let’s Encrypt فعال کنید.

---

# تنظیم WEBUI_URL

وقتی Open WebUI را روی یک دامنه عمومی قرار می دهید، بهتر است URL اصلی آن مشخص شود:

    ```language-yaml
    environment:
     WEBUI_SECRET_KEY: "YOUR_SECRET_KEY"
     WEBUI_URL: "https://ai.example.com"
    ```

این تنظیم برای لینک های داخلی و برخی قابلیت های OAuth/SSO اهمیت دارد. مستندات رسمی
Open WebUI نیز تنظیم `WEBUI_URL` را برای Deployment پشت HTTPS توصیه می کنند.

---

# تنظیم CORS

یکی از مشکلات رایج هنگام قرار دادن Open WebUI پشت Nginx یا Reverse Proxy، WebSocket
است.

برای دامنه:

    ```language-text
    https://ai.example.com
    ```

می توانید تنظیم کنید:

    ```language-yaml
    environment:
     CORS_ALLOW_ORIGIN: "https://ai.example.com"
    ```

در صورت داشتن چند Origin می توان آن ها را با `;` جدا کرد:

    ```language-yaml
    environment:
     CORS_ALLOW_ORIGIN: "https://ai.example.com;https://www.example.com"
    ```

تنظیم نادرست CORS می تواند باعث قطع WebSocket یا رفتارهای غیرعادی هنگام Streaming
پاسخ ها شود.

---

# فعال سازی Cookie امن برای HTTPS

اگر Open WebUI را پشت HTTPS قرار داده اید، می توانید Session Cookie را نیز به حالت
Secure تغییر دهید:

    ```language-yaml
    environment:
     WEBUI_SESSION_COOKIE_SECURE: "true"
    ```

این تنظیم در مستندات Hardening رسمی Open WebUI نیز برای Deploymentهای HTTPS مطرح
شده است.

---

# آیا باید پورت ۳۰۰۰ را در اینترنت باز کنیم؟

خیر، بهتر است در Deployment نهایی Open WebUI مستقیماً با پورت عمومی در دسترس اینترنت
نباشد.

بهتر است:

    ```language-text
    Internet
     │
     ▼
    443 HTTPS
     │
     ▼
    Nginx
     │
     ▼
    127.0.0.1:3000
     │
     ▼
    Open WebUI
    ```

در چنین معماری، پورت ۳۰۰۰ فقط برای ارتباط داخلی استفاده می شود و کاربر با HTTPS 
به Nginx متصل می شود.

همچنین پورت Ollama یعنی:

    ```language-text
    11434
    ```

را نباید بدون دلیل روی اینترنت عمومی باز کنید.

---

# نکات امنیتی مهم Open WebUI

Open WebUI اگر به اینترنت عمومی متصل باشد، نباید مانند یک برنامه آزمایشی با تنظیمات
پیش فرض رها شود.

### احراز هویت را فعال نگه دارید

متغیر زیر در حالت پیش فرض فعال است:

    ```language-text
    WEBUI_AUTH=True
    ```

خاموش کردن Authentication برای یک نمونه ای که کاربر دارد، مستقیماً امکان پذیر نیست؛
بنابراین از ابتدا تنظیمات احراز هویت را درست انجام دهید.

### Secret Key ثابت داشته باشید

از:

    ```bash
    openssl rand -hex 32
    ```

برای ساخت Secret Key استفاده کنید.

کلید را بعداً بدون دلیل تغییر ندهید؛ زیرا تغییر آن می تواند Sessionهای کاربران را
تحت تأثیر قرار دهد. مستندات رسمی نیز روی استفاده از یک Secret Key ثابت تأکید دارند.

### Ollama را عمومی نکنید

اگر Open WebUI و Ollama روی یک سرور هستند، بهتر است Ollama فقط از شبکه داخلی یا 
Container Network در دسترس باشد.

### Backup بگیرید

Volume مربوط به:

    ```language-text
    /app/backend/data
    ```

اطلاعات مهم Open WebUI را نگهداری می کند.

بنابراین Backup منظم از Volume اهمیت دارد.

---

# چگونه از اطلاعات Open WebUI Backup بگیریم؟

ابتدا Volumeها را ببینید:

    ```bash
    docker volume ls
    ```

Volume موردنظر:

    ```language-text
    open-webui
    ```

یک Backup ساده:

    ```bash
    docker run --rm \
     -v open-webui:/data \
     -v $(pwd):/backup \
     ubuntu \
     tar czf /backup/open-webui-backup.tar.gz /data
    ```

فایل خروجی:

    ```language-text
    open-webui-backup.tar.gz
    ```

را در یک محل امن نگهداری کنید.

---

# چگونه Open WebUI را Update کنیم؟

اگر از Docker Compose استفاده می کنید:

    ```bash
    docker compose pull
    docker compose up -d
    ```

اگر از `docker run` استفاده کرده اید، ابتدا Container قدیمی را متوقف کنید و سپس 
نسخه جدید را اجرا کنید.

اما در Production توصیه می شود ابتدا Backup گرفته شود و نسخه Open WebUI به صورت 
مشخص Pin شود.

مستندات رسمی نیز برای Update با Compose استفاده از:

    ```bash
    docker compose pull
    docker compose up -d
    ```

را مستند کرده اند.

---

# خطای Connection Error بین Open WebUI و Ollama

اگر Open WebUI مدل ها را نمی بیند، ابتدا از داخل سرور بررسی کنید:

    ```bash
    curl http://127.0.0.1:11434/api/tags
    ```

اگر Ollama روی Host فعال باشد، باید پاسخی از API دریافت کنید.

در صورت استفاده از Docker، آدرس:

    ```language-text
    http://localhost:11434
    ```

داخل Container لزوماً به Ollama روی Host اشاره نمی کند.

به همین دلیل Open WebUI برای Docker از:

    ```language-text
    http://host.docker.internal:11434
    ```

استفاده می کند.

---

# چرا مدل ها در Open WebUI نمایش داده نمی شوند؟

چند مورد را بررسی کنید:

    ```bash
    docker logs open-webui
    ```

سپس اتصال Ollama را بررسی کنید:

    ```bash
    curl http://127.0.0.1:11434/api/tags
    ```

و مطمئن شوید مدل واقعاً دانلود شده:

    ```bash
    ollama list
    ```

اگر Ollama روی سرور دیگری است، URL اتصال را نیز بررسی کنید.

---

# مشکل WebSocket و قطع شدن Streaming

یکی از خطاهای رایج در Deploymentهای Reverse Proxy این است که صفحه باز می شود اما
پاسخ مدل به صورت کامل Stream نمی شود.

در Nginx این موارد را بررسی کنید:

    ```language-nginx
    proxy_http_version 1.1;
    proxy_set_header Upgrade $http_upgrade;
    proxy_set_header Connection "upgrade";

    proxy_buffering off;
    proxy_cache off;
    ```

همچنین:

    ```language-nginx
    proxy_read_timeout 1800;
    proxy_send_timeout 1800;
    ```

را برای پاسخ های طولانی تنظیم کنید.

این موارد در مستندات رسمی Open WebUI برای Nginx و Reverse Proxy به طور مشخص مطرح
شده اند.

---

# خطای CORS

اگر در لاگ Open WebUI خطایی شبیه:

    ```language-text
    is not an accepted origin
    ```

دیدید، مقدار:

    ```language-text
    CORS_ALLOW_ORIGIN
    ```

را بررسی کنید.

برای مثال:

    ```language-yaml
    CORS_ALLOW_ORIGIN: "https://ai.example.com"
    ```

مقدار Origin باید با روشی که کاربران واقعاً از طریق آن به WebUI دسترسی دارند مطابقت
داشته باشد.

---

# Open WebUI را روی CPU نصب کنیم یا GPU؟

Open WebUI روی CPU نیز قابل اجرا است.

اما اگر هدف شما اجرای مدل های Local و سنگین باشد، GPU اهمیت زیادی پیدا می کند.

به صورت کلی:

  |  نوع استفاده |  سخت افزار پیشنهادی |  
   |  فقط رابط Open WebUI |  CPU و RAM معمولی |  
 |  مدل های کوچک |  CPU قوی یا GPU اقتصادی |  
 |  مدل های متوسط |  GPU با VRAM مناسب |  
 |  مدل های بزرگ |  GPU با VRAM بالا |  
 |  چند کاربر همزمان |  GPU قدرتمند + RAM کافی |  
 |  LLMهای بزرگ |  چند GPU یا سرور GPU |

برای مدل های بزرگ، فقط تعداد هسته CPU مهم نیست؛ مقدار VRAM، پهنای باند حافظه GPU،
Quantization و تعداد کاربران همزمان نیز اهمیت دارند.

در پروژه هایی که هدف اجرای مدل های AI روی سرور است، انتخاب GPU باید قبل از نصب نرم
افزار انجام شود.

برای بررسی زیرساخت مناسب می توانید به صفحه **[سرور مجازی خارج](https://chatgpt.com/%D8%B3%D8%B1%D9%88%D8%B1-%D9%85%D8%AC%D8%A7%D8%B2%DB%8C-%D8%AE%D8%A7%D8%B1%D8%AC/)**
مراجعه کنید و برای پروژه های سنگین تر، مشخصات **[سرور GPU](https://chatgpt.com/)**
را متناسب با مدل موردنظر بررسی کنید.

---

# آیا Open WebUI فقط برای Ollama است؟

خیر.

یکی از مزایای مهم Open WebUI این است که معماری آن فقط به Ollama محدود نشده و از 
Providerهای مختلف پشتیبانی می کند.

بنابراین می توانید معماری هایی مانند این داشته باشید:

    ```language-text
     ┌── Ollama
     │
    Open WebUI ──────────┼── OpenAI-Compatible API
     │
     ├── سایر Providerها
     │
     └── مدل های Local
    ```

این ویژگی باعث می شود Open WebUI بتواند به عنوان یک لایه مرکزی برای دسترسی کاربران
به چند مدل مختلف استفاده شود.

---

# Open WebUI برای چه پروژه هایی مناسب است؟

Open WebUI می تواند برای موارد مختلفی استفاده شود؛ از جمله:

 * چت با مدل های Local
 * اجرای LLM روی VPS یا سرور اختصاصی
 * استفاده سازمانی از مدل های AI
 * اتصال کاربران به Ollama
 * تست مدل های مختلف
 * ساخت محیط داخلی AI برای شرکت
 * اتصال به APIهای سازگار با OpenAI
 * استفاده از مدل های AI بدون وابستگی کامل به یک رابط SaaS

همچنین قابلیت های Open WebUI فقط به Chat ساده محدود نیست و امکانات مرتبط با Agent،
Tool Calling و ادغام با سرویس های مختلف نیز در اکوسیستم آن وجود دارد.

---

# معماری پیشنهادی برای یک سرور AI

برای یک Deployment حرفه ای می توان معماری زیر را در نظر گرفت:

    ```language-text
     Internet
     │
     ▼
     Cloudflare / DNS
     │
     ▼
     Nginx / HTTPS
     │
     ▼
     Open WebUI
     │
     ┌─────────┴─────────┐
     ▼ ▼
     Ollama API Provider
     │
     ▼
     GPU
     │
     ▼
     Llama / Qwen / ...
    ```

در این معماری Open WebUI مسئول Interface و مدیریت کاربران است، Ollama وظیفه اجرای
مدل را بر عهده دارد و GPU منابع محاسباتی موردنیاز Inference را فراهم می کند.

---

# آیا Open WebUI برای سرور Production مناسب است؟

بله، اما Deployment Production با اجرای آزمایشی روی پورت ۳۰۰۰ تفاوت دارد.

برای محیط Production بهتر است این موارد را در نظر بگیرید:

    ```language-text
    Docker
    +
    Volume مستقل
    +
    Backup
    +
    HTTPS
    +
    Reverse Proxy
    +
    Authentication
    +
    CORS صحیح
    +
    WebSocket
    +
    Firewall
    +
    Monitoring
    +
    Version Pinning
    ```

مستندات رسمی Open WebUI نیز بخش مستقلی برای Hardening و HTTPS ارائه می کنند و استفاده
از Reverse Proxy را برای TLS توصیه کرده اند.

---

# در نهایت میتوان گفت که

نصب Open WebUI روی سرور در ساده ترین حالت با Docker انجام می شود و می توان در چند
دقیقه یک رابط وب برای مدل های هوش مصنوعی راه اندازی کرد.

مسیر پیشنهادی این است:

    ```language-text
    Server
    ↓
    Docker
    ↓
    Open WebUI
    ↓
    Ollama
    ↓
    AI Model
    ```

برای استفاده آزمایشی، دسترسی مستقیم از طریق:

    ```language-text
    http://SERVER_IP:3000
    ```

کافی است.

اما برای استفاده دائمی و Production بهتر است:

    ```language-text
    Domain
    ↓
    HTTPS
    ↓
    Nginx
    ↓
    Open WebUI
    ↓
    Ollama
    ↓
    GPU
    ```

را پیاده سازی کنید.

نکته مهم این است که نصب Open WebUI بخش ساده پروژه است. اگر هدف شما اجرای مدل های
بزرگ، پاسخ گویی سریع یا استفاده همزمان چند کاربر باشد، انتخاب درست CPU، RAM، NVMe
و مخصوصاً GPU و VRAM اهمیت بسیار بیشتری پیدا می کند.

**نگارنوین** زیرساخت VPS و سرورهای مناسب اجرای سرویس های مختلف را ارائه می دهد و
برای پروژه های هوش مصنوعی می توانید منابع سرور را بر اساس مدل، میزان RAM/VRAM، تعداد
کاربران و نوع Workload انتخاب کنید.

## سوالات متداول

### آیا Open WebUI رایگان است؟

Open WebUI یک پروژه Self-Hosted است و می توانید آن را روی زیرساخت خودتان اجرا کنید.
هزینه اصلی شما مربوط به سرور، GPU در صورت نیاز و سرویس های API خارجی خواهد بود.

### آیا بدون GPU می توان Open WebUI نصب کرد؟

بله. خود Open WebUI روی CPU نیز اجرا می شود. GPU بیشتر برای اجرای سریع مدل های Local
اهمیت دارد.

### آیا Open WebUI روی VPS نصب می شود؟

بله. می توانید Open WebUI را روی VPS Linux با Docker نصب کنید. برای اجرای مدل های
بزرگ باید منابع سرور را متناسب با مدل انتخاب کنید.

### آیا می توان Open WebUI را به Ollama متصل کرد؟

بله. اتصال به Ollama یکی از سناریوهای اصلی Open WebUI است و از داخل بخش Connections
قابل مدیریت است.

### آیا می توان Open WebUI را با دامنه و SSL اجرا کرد؟

بله. Open WebUI را می توان پشت Nginx، Caddy یا Reverse Proxyهای دیگر قرار داد و 
با HTTPS در دسترس قرار داد.

### پورت پیش فرض Open WebUI چیست؟

در Docker معمولاً سرویس داخل Container روی پورت `8080` اجرا می شود و می توان مثلاً
آن را به پورت `3000` روی Host Map کرد:

    ```language-text
    3000:8080
    ```

### آیا می توان Open WebUI را به APIهای OpenAI-compatible متصل کرد؟

بله. Open WebUI از Providerهای سازگار با OpenAI نیز پشتیبانی می کند.

### آیا برای Open WebUI باید GPU قدرتمند داشته باشیم؟

برای خود رابط کاربری خیر؛ اما اگر قصد اجرای مدل های بزرگ Local را دارید، GPU و مقدار
VRAM می تواند عامل تعیین کننده عملکرد باشد.

### 📌 خلاصه

آموزش نصب Open WebUI روی سرور؛ اتصال به Ollama و اجرای مدل های هوش مصنوعی — Open
WebUI یکی از محبوب ترین رابط های کاربری Self-Hosted برای کار با مدل های هوش مصنوعی
است. این پلتفرم به شما اجازه می دهد مدل های محلی مانند Ollama را از طریق یک رابط
گرافیکی تحت وب مدیریت کنید و در…

## 🔗 مطالب مرتبط

 * [آموزش ورود به گرافیک سرور مجازی](https://negarnovin.com/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%88%d8%b1%d9%88%d8%af-%d8%a8%d9%87-%da%af%d8%b1%d8%a7%d9%81%db%8c%da%a9-%d8%b3%d8%b1%d9%88%d8%b1-%d9%85%d8%ac%d8%a7%d8%b2%db%8c/)
 * [آموزش نصب سی پنل در سرور](https://negarnovin.com/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%86%d8%b5%d8%a8-%d8%b3%db%8c-%d9%be%d9%86%d9%84-%d8%af%d8%b1-%d8%b3%d8%b1%d9%88%d8%b1/)
 * [آموزش نصب سی پنل در سرور ایران](https://negarnovin.com/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%86%d8%b5%d8%a8-%d8%b3%db%8c-%d9%be%d9%86%d9%84-%d8%af%d8%b1-%d8%b3%d8%b1%d9%88%d8%b1-%d8%a7%db%8c%d8%b1%d8%a7%d9%86/)
 * [آموزش نصب ویندوز سرور ۲۰۱۹](https://negarnovin.com/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%86%d8%b5%d8%a8-%d9%88%db%8c%d9%86%d8%af%d9%88%d8%b2-%d8%b3%d8%b1%d9%88%d8%b1-2019/)
