要将 vLLM 集成到 Open WebUI 中，可以通过以下步骤实现。vLLM 提供高性能的 LLM 推理服务，而 Open WebUI 则是一个可扩展的 Web 前端。集成核心是通过 vLLM 的 OpenAI 兼容 API 与 Open WebUI 连接。

---

在前面两个章节，我们介绍了如何在线启动vllm服务，下面将vllm集成到openweb-ui中

---

步骤 1: 启动 vLLM 服务

首先启动 vLLM 服务，暴露 OpenAI 兼容的 API 接口（默认端口 9898）。

方式 1: 直接命令行启动

conda activate vLLM_cuda128_env_python312
cd /home/vLLM/models/Qwen
vllm serve Qwen3-0.6B --served-model-name Qwen3-0.6B --api_key hhh6688 --host 192.168.11.103 --port 9898 --trust_remote_code --tensor_parallel_size 4  --gpu_memory_utilization 0.8

方式 2: Docker 启动

docker run -d \--gpus all \-p 8000:8000 \--name vllm-server \vllm/vllm-openai:latest \--model meta-llama/Meta-Llama-3-8B-Instruct

---

步骤 2: 配置 Open WebUI 连接 vLLM

修改 Open WebUI 的配置，指向 vLLM 的 API 地址。

方法 1: 修改 Open WebUI 环境变量

在启动 Open WebUI 时，添加以下环境变量：

docker run -d \-p 3000:8080 \-e OPENAI_API_BASE_URL=http://vllm-server:9898/v1 \-e OPENAI_API_KEY=hhh6688 \  # vLLM 无需验证-e WEBUI_SECRET_KEY=my-secret \--name openwebui \--link vllm-server \  # 如果 vLLM 和 Open WebUI 在同一台机器ghcr.io/open-webui/open-webui:main

方法 2: 通过 docker-compose.yml 部署

version: '3.8'services:vllm:image: vllm/vllm-openai:latestcommand: --model meta-llama/Meta-Llama-3-8B-Instructports:- "8000:8000"deploy:resources:reservations:devices:- driver: nvidiacount: 2  # 使用 2 个 GPUopenwebui:image: ghcr.io/open-webui/open-webui:mainports:- "3000:8080"environment:- OPENAI_API_BASE_URL=http://vllm:9898/v1- OPENAI_API_KEY=hhh6688 - WEBUI_SECRET_KEY=my-secretdepends_on:- vllm

运行：

docker-compose up -d

---

步骤 3: 在 Open WebUI 中添加模型

1. 访问 Open WebUI 的 Web 界面：http://localhost:3000
2. 登录后进入 Settings → Model Provider。
3. 选择 OpenAI 作为提供商。
4. 填写：
   • Model Name: 任意名称（如 Llama-3-8B-vLLM）
   • API Base URL: http://vllm:8000/v1（或你的 vLLM 地址）
   • API Key: EMPTY
5. 保存后，在聊天界面选择该模型即可使用。

---

验证是否成功

• 检查 vLLM 日志：

  docker logs vllm-server
  

  出现类似日志表示请求成功：

  INFO:     127.0.0.1:12345 - "POST /v1/chat/completions HTTP/1.1" 200 OK
  

• 在 Open WebUI 中发送测试消息，观察响应速度和输出内容。

---

常见问题解决

1. 连接失败：

   • 确保 OPENAI_API_BASE_URL 正确（一般为 http://<vllm-ip>:8000/v1）。
   • 如果使用 Docker，确保容器在同一网络（或通过 --link 连接）。

2. GPU 资源不足：

   • 减少 --tensor-parallel-size（如从 2 改为 1）。
   • 使用量化模型（如 --quantization awq）。

3. 模型加载失败：

   • 检查模型路径是否正确（HuggingFace 模型需提前下载或确认有访问权限）。
   • 使用离线模型时挂载本地目录：

     docker run -v /path/to/models:/models vllm/vllm-openai:latest --model /models/llama-3-8b
     

4. Open WebUI 无法识别模型：

   • 在 Model Provider 中检查是否选择 OpenAI 类型。
   • 确保 OPENAI_API_KEY 设置为 EMPTY（vLLM 无需密钥）。

---

性能优化建议

• 批处理：启动 vLLM 时添加 --max-num-batched-tokens 4096 提高吞吐量。
• 量化：添加 --quantization awq 减少显存占用（需模型支持）。
• 多 GPU：增加 --tensor-parallel-size 加速推理。

通过以上步骤，即可将 vLLM 的高性能推理能力无缝集成到 Open WebUI 的交互界面中。