使用Docker部署常见的webui

前言

目前常用的webui如下：

• AnythingLLM：文档(https://docs.anythingllm.com/)，Github(https://github.com/Mintplex-Labs/anything-llm)
• Open WebUI：文档(https://docs.openwebui.com/)，Github(https://github.com/open-webui/open-webui)
• Dify：文档(https://docs.dify.ai/)，Github(https://github.com/langgenius/dify)
• RagFlow：文档(https://ragflow.io/docs/v0.17.0/)，Github(https://github.com/infiniflow/ragflow)

下面简单归纳下这四个项目的主要区别和侧重点：

• AnythingLLM
  • 定位与特点：这是一个开箱即用的一体化 AI 应用，集成了 RAG（检索增强生成）、多模型支持（如 OpenAI、LocalAI 等）以及多向量数据库支持。
  • 优势：无需大量代码配置，适合快速搭建私有知识库问答系统，支持多用户协作和灵活部署（云端、本地、自托管）。
  • 适用场景：企业内部快速搭建知识问答系统，特别适用于对接外部和自带大语言模型场景。
• Open WebUI
  • 定位与特点：该项目以直观的 Web 界面为核心，主要用于管理和调用 LLM 模型，提供了一个前端交互平台。
  • 优势：界面友好、易于上手，能快速接入外部模型，同时也支持自带模型部署，重点在于用户体验和操作简便。
  • 适用场景：适合需要可视化管理 LLM 调用、对接外部 API 或自建模型的团队，帮助非技术人员也能轻松使用。
• Dify
  • 定位与特点：Dify 更专注于知识库问答系统的构建，提供管理员上传文档、文档自动分段、向量化处理和对话问答等功能；同时支持分享知识库接口供其它应用使用。
  • 优势：流程较完整，对文档预处理、分段和自定义工作区管理支持较好，同时支持外部模型接入和内置模型调用。
  • 适用场景：适用于需要精细化管理文档内容、定制化知识库工作区的企业，尤其在数据安全和内容整理方面表现突出。
• RagFlow
  • 定位与特点：RagFlow 基于 Retrieval-Augmented Generation（RAG）思路，着重于打通文档检索与生成回答的各个环节。
  • 优势：模块化设计、灵活扩展，能够自定义检索策略和生成流程，提升答案的相关性和准确性。
  • 适用场景：适合对问答系统有较高定制需求的企业，比如需要根据不同业务场景调整检索、排序和生成流程的场景。

总体来说，四者都是开源且可自部署的免费方案：

• 如果你追求一站式、快速上线，AnythingLLM 可能是个好选择；
• 如果更看重界面体验和操作便捷，Open-webui 能带来更直观的管理体验；
• 如果需要完善的文档处理流程和自定义工作区，Dify 在细节上更贴合企业级需求；
• 如果你需要极致定制的检索生成流程，RagFlow 的模块化设计会让你更灵活地搭建系统。

应用基本部署

AnythingLLM

1. 拉取镜像

   docker pull mintplexlabs/anythingllm:1.7.4

2. 创建工作目录

   export STORAGE_LOCATION=$HOME/anythingllm && \
   mkdir -p $STORAGE_LOCATION && \
   touch "$STORAGE_LOCATION/.env" && \
   chown -R 1000:1000 ${STORAGE_LOCATION}
   # anythingllm 1.7.4 需要设置挂载目录属主为1000,因为这是容器内的userid

3. 启动容器

   docker run -d -p 3001:3001  --cap-add SYS_ADMIN -v ${STORAGE_LOCATION}:/app/server/storage -v ${STORAGE_LOCATION}/.env:/app/server/.env -e STORAGE_DIR="/app/server/storage" docker.io/mintplexlabs/anythingllm:1.7.4

4. 即可通过 http://localhost:3001 访问anytingllm。

Open WebUI

1. 拉取镜像

   docker pull ghcr.io/open-webui/open-webui:v0.5.18-cuda

2. 创建挂载目录（可忽略，在容器启动时会自动创建）

   docker volume create open-webui

3. 启动容器

   docker run -d -p 3000:8080 -e PORT=8080 -e OLLAMA_BASE_URL=https://example.com -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:v0.5.18-cuda
   
   # PORT 是open webui的服务端口
   # OLLAMA_BASE_URL 是外部的ollama服务地址，没有可不写

Dify

这里我们需要使用 docker-compose 来部署。如需下载 docker-compose 请点击这里：https://docs.docker.com/compose/install/

1. clone仓库

   git clone https://github.com/langgenius/dify.git --branch 1.0.0

2. 导航到 Dify 源代码中的 Docker 目录

   cd dify/docker

3. 复制环境配置文件

   cp .env.example .env

4. 启动 Docker 容器

   docker compose up -d   # docker compose -f docker-compose.yaml up -d
   # 或
   docker-compose up -d

   初次启动可能会报错，原因是.env中的变量不能有空格，根据提示修改即可。

   比如错误unexpected character "%" in variable name near "%H:%M:%S\n# Log Timezone......，是因为 LOG_DATEFORMAT=%Y-%m-%d %H:%M:%S 这个变量有空格，修改为 LOG_DATEFORMAT="%Y-%m-%d %H:%M:%S" 即可。

启动成功后即通过80端口访问Dify。如果想修改默认端口号，可以通过修改 .env 配置文件来自定义访问端口。

需要修改Nginx配置：

EXPOSE_NGINX_PORT=80
EXPOSE_NGINX_SSL_PORT=443

RagFlow

待补充