本文详解Open WebUI部署、DeepSeek API与本地模型接入、参数调试及教学应用，帮助AI指导老师搭建稳定可控的智能对话环境。
在AI指导老师的实际工作中，课程演示、学员答疑、教案生成和知识库沉淀往往分散在不同工具中，既不利于统一管理，也难以形成可复用的教学资产。Open WebUI作为一款可自托管的多模型对话前端，能够把DeepSeek的生成与推理能力封装成接近ChatGPT的使用体验，同时保留数据、权限和提示词的自主控制权。理解从容器部署到API连接、再到教学场景调优的完整链路，是让这套方案真正服务课堂的关键。
1. 部署环境与 Open WebUI 初始化
Open WebUI支持Docker、Docker Compose和Python虚拟环境三种主要，面向教学团队最稳妥的是Docker，因为升级、迁移和备份都围绕数据卷展开。典型启动命令是docker run -d -p 3000:8080 -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main，其中3000是宿主机访问端口，8080是容器内服务端口，open-webui卷保存数据库、上传文件和管理员配置。如果宿主机已经运行Ollama，需要加入--add-host=host.docker.internal:host-gateway -e OLLAMA_BASE_URL=:11434，这样Open WebUI容器才能发现本地模型。首次访问:3000时，第一个注册账号会成为管理员，随后应立即关闭公开注册或启用管理员审批，避免教学平台被无关人员占用。仅调用DeepSeek API时，Open WebUI自身对硬件要求不高，2核4G内存即可运行，但若同时使用本地嵌入模型做知识库，建议准备16G以上内存和可用磁盘空间。
如果选择Python，可以创建虚拟环境后执行pip install open-webui，再用open-webui serve --port 8080启动，这种适合开发调试和快速验证，但生产环境仍推荐Docker Compose，便于把Open WebUI、Ollama和Caddy编排在一起。初始化完成后，管理员应先进入设置中的连接与模型页面，确认数据目录和版本信息，再创建教师、助教和学员用户组。Open WebUI版本迭代较快，建议锁定稳定镜像标签而不是长期使用main分支，升级前备份open-webui卷，升级时拉取新镜像后删除旧容器并重新创建，端口和卷参数保持一致。对于校内服务器，还要在防火墙中只开放必要端口，后续通过Nginx或Caddy提供HTTPS访问，否则登录会话和OAuth回调容易出现异常。
教学部署还需要提前规划网络与存储。若服务器位于内网，DeepSeek API调用需要稳定出站网络，容器内DNS解析失败会导致模型列表无法加载。数据卷应挂载到有备份策略的磁盘，并把上传的课程资料纳入权限管理。对于多教师共用的环境，可以在Open WebUI中启用用户组和模型权限，让不同课程使用不同的系统提示词与知识库。完成这些初始化动作后，Open WebUI才具备接入DeepSeek的基础条件。
2. DeepSeek API 密钥与连接配置
DeepSeek官方平台提供OpenAI兼容接口，这是接入Open WebUI最直接的。登录platform.deepseek.com，完成账号充值，在API Keys页面创建密钥，密钥只显示一次，形如sk-...，应立即保存到密码管理器。Open WebUI管理员进入设置中的连接页面，选择OpenAI API并启用，新增连接时Base URL填，API Key填入刚创建的密钥。官方文档同时支持，加/v1是为了兼容OpenAI SDK的路径拼接；如果自动拉取模型列表失败，可以保留该地址并手动添加模型。模型ID使用deepseek-chat和deepseek-reasoner，前者对应DeepSeek-V3通用对话，后者对应DeepSeek-R1推理模型。连接保存后回到聊天界面选择模型并发送测试问题，若返回401说明密钥错误，402或429与余额、限流有关，404多因Base URL路径错误，需要逐项核对。
在Open WebUI中，DeepSeek连接支持流式输出、系统提示词和部分OpenAI参数，但deepseek-reasoner对温度、top_p等采样参数不敏感或不受支持，教学场景中应把调参重点放在上下文长度、系统提示词和思考链展示上。Open WebUI的模型页面可以基于DeepSeek连接创建自定义模型，例如课程答疑助手，设置固定系统提示词、默认温度和最大输出token，并限制可见用户组。对于多人共用的教学环境，建议不要把官方API Key暴露给学员，而是通过Open WebUI的模型权限和用户组管理间接调用。若需要本地模型备份，也可以安装Ollama后拉取deepseek-r1:7b等蒸馏版本，Open WebUI会自动发现Ollama模型，与API模型并存，便于在网络不稳定时继续教学。
配置完成后需要在模型设置中确认模型已启用，必要时设置默认模型和标题生成模型。对于deepseek-reasoner，Open WebUI会把推理内容渲染成可折叠的思考过程，教师可借此讲解解题步骤，但要注意API返回的推理内容可能较长，需在界面中控制显示范围。API计费按输入和输出token计算，课程批量演示前应设置用量提醒，避免公开链接被滥用。安全层面，生产环境应通过Nginx或Caddy配置HTTPS，并把Open WebUI的WEBUI_URL设置为实际域名，否则部分登录和OAuth回调会异常。密钥轮换和用量审计也应纳入日常管理，发现异常调用立即在DeepSeek平台撤销旧密钥。
3. 模型调用、参数与知识库工作流
模型调用层面，教师最常用的是在Open WebUI聊天窗口选择deepseek-chat处理教案润色、题目生成和学员答疑，选择deepseek-reasoner处理算法题、数学证明和复杂逻辑拆解。系统提示词决定输出风格，例如“你是一名AI指导老师，回答需先给结论，再给可操作步骤，并指出常见误区”，配合0.2到0.5的温度，可以让课程材料更稳定。Open WebUI支持提示词预设，可在工作空间的提示词页面保存常用模板，一键插入对话。对于需要连续多轮的课程设计，可以开启会话分支，把不同方案保留在同一界面中对比。参数上，deepseek-chat的最大输出通常足够课程问答，若生成长文档需关注上下文窗口和费用；deepseek-reasoner不适合高频简单问答，因为思考链会显著增加输出token和等待时间。
知识库是Open WebUI相对网页版DeepSeek的重要增量。管理员在文档设置中配置嵌入模型，DeepSeek官方API不提供嵌入接口，因此需要另接本地Ollama的nomic-embed-text、bge-m3，或OpenAI兼容的嵌入服务。上传课程大纲、讲义、FAQ后，Open WebUI会切分文本并写入向量库，聊天时通过RAG检索相关片段注入上下文。教学场景建议把chunk size控制在500到1000字，重叠50到100字，Top K取3到5，避免召回过多无关内容。对于公式较多的数学讲义，可先转成Markdown或带LaTeX的文本再上传，否则PDF解析可能丢公式。若课程资料包含表格和代码，最好在入库前人工检查解析结果，必要时手工整理成结构化文本。
模型与知识库结合后，可以搭建课程助教工作流：学员提问先检索课程资料，再由DeepSeek生成回答，并强制标注引用来源。教师端则可以批量生成测验题，把deepseek-chat的输出导入题库，再用deepseek-reasoner检查答案一致性。Open WebUI的管道和函数功能允许接入外部工具，例如计算器、代码执行或教务系统查询，但需要管理员审核，避免学员通过提示词注入调用敏感接口。若并发较高，应为API连接设置合理的超时和重试，并在Open WebUI环境变量中调整请求超时，避免推理模型长输出被中断。知识库命中率低时，可以先优化文档质量，再调整嵌入模型和检索参数，而不是单纯增加Top K。
4. 教学场景落地与常见故障排查
教学落地时，建议把Open WebUI部署在校内服务器或云主机，通过用户组划分教师、助教和学员权限。教师组可使用deepseek-reasoner和知识库管理，学员组只开放指定模型和上传限额，关闭公开注册或启用管理员审批。课堂演示可以设计对比实验：同一道编程题分别提交给deepseek-chat和deepseek-reasoner，让学员观察普通生成与推理链的差异，再讨论什么场景值得付出更高token成本。课后答疑则用deepseek-chat配合课程知识库，要求回答引用讲义章节，减少模型自由发挥。若学校有数据合规要求，应在隐私政策中说明提问内容会发送到DeepSeek API，敏感作业和内部资料改用本地Ollama模型。
常见故障方面，Docker启动后无法访问，先检查端口映射和防火墙，确认3000端口监听，再查看docker logs -f open-webui的报错。容器内无法访问api.deepseek.com时，多为DNS或代理问题，可在运行容器时传入HTTPS_PROXY和HTTP_PROXY，或让容器使用宿主机网络。模型列表为空，需要回到连接设置确认OpenAI API连接已启用、Base URL和密钥正确，并在模型设置中手动添加deepseek-chat与deepseek-reasoner。调用报402通常是余额不足，429是并发或速率限制，可降低并发、错峰使用或提升账户等级。知识库检索不准，先检查文档是否解析成功，再调整chunk和Top K，必要时更换中文嵌入模型。若推理模型长时间无响应，需要检查反向代理的读超时和Open WebUI的请求超时设置。
升级与备份同样影响长期可用性。Open WebUI更新频繁，升级前应备份open-webui数据卷，使用docker pull拉取新镜像后删除旧容器并重新创建，卷和端口参数保持一致，避免配置丢失。反向代理场景要确保WebSocket和长连接超时足够大，否则deepseek-reasoner的流式输出可能在思考阶段被网关切断。API Key应定期轮换，若发现异常用量立即在DeepSeek平台撤销旧密钥。面向学员的教学平台还应设置每日token配额和日志审计，让AI指导过程可追踪、可复盘，同时保留人工复核环节，避免把模型输出直接作为评分或录取依据。
