vLLM（3）vllm在线启动集成openweb-ui

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_python312cd/home/vLLM/models/Qwen vllm serve Qwen3-0.6B --served-model-name Qwen3-0.6B--api_keyhhh6688--host192.168.11.103--port9898--trust_remote_code--tensor_parallel_size4--gpu_memory_utilization0.8

方式 2: Docker 启动

dockerrun-d\--gpusall\-p8000:8000\--namevllm-server\vllm/vllm-openai:latest\--modelmeta-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：

dockerrun-d\-p3000:8080\-eOPENAI_API_BASE_URL=http://vllm-server:9898/v1\-eOPENAI_API_KEY=hhh6688\# vLLM 无需验证-eWEBUI_SECRET_KEY=my-secret\--nameopenwebui\--linkvllm-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-composeup-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：

  dockerlogs 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：

     dockerrun-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。