新闻详情

新闻详情

首页 / 资讯中心 / 详情

OpenUI:AI 实时生成 UI,Docker 3 步部署与本地开发完整指南

发布时间:2026/11/4 17:15:23来源:尧图网络
OpenUI:AI 实时生成 UI,Docker 3 步部署与本地开发完整指南
OpenUIAI 实时生成 UIDocker 3 步部署与本地开发完整指南【免费下载链接】openuiOpenUI lets you describe UI using your imagination, then see it rendered live.项目地址: https://gitcode.com/GitHub_Trending/op/openuiOpenUI 是一个用自然语言描述、实时渲染 UI 界面的开源工具生成的组件可转为 React、Svelte 等格式。本篇覆盖 OpenUI 的 Docker 部署、本地开发环境配置与多模型接入。读完你可以独立拉起整套服务并换接自己常用的大模型。项目速览OpenUI 把需求写成一句话界面就在浏览器里逐步渲染出来还可以继续追问修改。架构上前后端分离前端是 React TypeScriptVite 构建后端是 Python FastAPI 服务通过 LiteLLM 统一对接各家大模型。它主打描述转 HTML 组件再转成目标框架代码这条链路。三步跑起来Docker 一键部署前提是本机已有 Docker 和 Docker Compose。第 1 步拿代码git clone https://gitcode.com/GitHub_Trending/op/openui cd openui执行后本地得到完整的 openui 目录后续命令都在该目录下执行。第 2 步拉起服务栈docker-compose up -d一条命令把应用和 Ollama 模型服务一起拉起来两个容器分别在 7878 和 11434 端口上监听。第 3 步补一个模型首次必需docker exec -it ollama ollama pull llava下载 llava 到容器内的 Ollama不确定容器名时先用docker ps确认也可以把 llava 换成任意 Ollama 支持的模型。怎么确认跑通了浏览器打开http://localhost:7878输入一段描述能看到界面实时渲染即正常Ollama 侧执行curl http://localhost:11434/api/tags返回包含 llava 的模型列表说明模型服务可用看懂服务架构两个服务都由 docker-compose.yaml 定义服务端口作用openui7878主应用FastAPI 后端 打包后的前端入口见 backend/openui/server.pyollama11434本地大模型服务容器名ollama模型数据落在挂载卷里openui 容器通过环境变量OLLAMA_HOSThttp://ollama:11434找到模型服务无需在宿主机单独装 Ollama。前端本地开发时 Vite dev server 另占 5173 端口届时以该端口为入口。接入不同大模型环境变量怎么配各提供商只需要在启动前导出对应变量Docker 场景下这些 key 会被透传进容器提供商环境变量默认值OpenAIOPENAI_API_KEY无AnthropicANTHROPIC_API_KEY无GroqGROQ_API_KEY无GeminiGEMINI_API_KEY无OllamaOLLAMA_HOSThttp://127.0.0.1:11434OpenAI 兼容端点OPENAI_COMPATIBLE_ENDPOINTOPENAI_COMPATIBLE_API_KEY无自定义模型走 LiteLLM后端会依据环境变量自动生成代理配置逻辑在 backend/openui/litellm.py。想完全接管时自备litellm-config.yaml放到当前目录、容器内的/app/下或用OPENUI_LITELLM_CONFIG指定路径再以python -m openui --litellm启动。Docker 场景加-v $(pwd)/litellm-config.yaml:/app/litellm-config.yaml挂载即可。进阶开发速览后端调试cd backend后执行uv sync --frozen --extra litellm并激活.venv再用python -m openui --dev起热重载服务调试器附加到该进程即可前端调试cd frontend后npm install npm run devVite HMR 在 5173 端口生效改动即时刷新开发容器仓库自带 .devcontainer/devcontainer.jsonVS Code 里选 Reopen in Container 可一次装齐 Python、Node 和 Ollama常见坑位现象排查命令处理办法7878 打不开页面netstat -tulpn \| grep 7878端口被占用改掉 compose 里的端口映射或停掉占用进程容器起不来或秒退docker logs openui、docker logs ollama按日志补 API key 或模型依赖模型列表为空 / 连不上 Ollamacurl http://localhost:11434/api/tags确认 Ollama 已运行且已 pull 模型宿主机跑 Ollama、容器跑应用时把OLLAMA_HOST指向http://host.docker.internal:11434写在最后OpenUI 给了两条路径Docker Compose 负责快速跑起来本地源码负责二次开发换模型只是改环境变量的事。官方文档README.md后端源码backend/openui/前端源码frontend/API 文档docs/index.html现在就可以执行docker-compose up -d等 7878 端口就绪后从一句做一个响应式的产品展示页开始。【免费下载链接】openuiOpenUI lets you describe UI using your imagination, then see it rendered live.项目地址: https://gitcode.com/GitHub_Trending/op/openui创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/4 15:56:54

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/3 12:09:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/4 17:01:23

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/4 12:33:12

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/4 3:51:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉