Open WebUI Tools：把任何大模型对话界面变成 AI 工作站

一句话定位

Open WebUI Tools 是一个为开源 AI 对话平台 Open WebUI 打造的模块化工具集，通过 20+ 款工具、函数管道和过滤器，将普通的聊天界面扩展为支持学术检索、图像生成、音乐创作、自主规划、多模型路由等功能齐全的 AI 工作站。

背景故事：从聊天框到工作站

想象一下：你正在用 Ollama 本地部署的大模型和它对话，突然想查一篇 arXiv 最新论文——你需要关掉对话，去浏览器搜索，再把链接贴回来。想生成一张图片？需要另开一个 Midjourney 网页。想让 AI 自主规划一个旅行行程并调用多个工具执行？你得自己写一堆 API 调用代码。

这就是大多数本地 AI 对话工具的尴尬：各司其职，却互不相通。

Open WebUI 本身是一个优秀的开源 Web UI，支持 Ollama、OpenAI 等多种后端。但它的扩展性一直受限于官方提供的少数内置工具。Haervwe（项目作者）从这一痛点出发，构建了这套工具集合，将原本分散在不同平台的能力，统一收拢到 Open WebUI 一个界面里。

作者在 GitHub 上拥有 17 个 topics 标签，从 academic-research 到 video-generation、从 multi-agent 到 music-generation，基本覆盖了 AI 爱好者最常见的需求场景。项目采用 MIT 许可证，完全开源，社区贡献活跃（72 个 Fork）。

核心功能：三类扩展，全方位增强

🛠️ Tools（22 款工具）：即插即用的能力插件

Tools 是 Open WebUI 的基础扩展单元，每款工具解决一个具体问题：

🔄 Function Pipes（15 个管道）：多模型协同与自主代理

Function Pipes 是比 Tools 更高级的扩展形式，支持多轮对话、多模型协作：

• Planner Agent v3（⭐ 核心）：这是项目最复杂的模块——一个自主规划代理。它能将复杂任务分解为多个子步骤、并行执行工具调用、支持用户中途介入审批计划，并通过 HTML 可视化实时展示执行进度。Planner v3 还支持 Skills 集成、终端访问、代码解释器等子代理。
• Multi Model Conversations v2：让多个不同模型同时参与讨论，相互辩论和补充。
• arXiv Research MCTS：用蒙特卡洛树搜索（MCTS）进行深度学术研究。
• MiniMax LLM Pipe：将对话路由到 MiniMax 的 M3（1M 上下文，支持图文视频输入）和 M2.7 模型，支持思维模式控制。
• Letta Agent：集成 Letta 自主记忆代理。
• Google Veo Text-to-Video Pipe：通过 Google Veo 生成视频。

🔧 Filters（10 个过滤器）：对话级别的智能路由

Filters 在请求/响应层面拦截和处理对话：

• Semantic Router：根据用户 Prompt 内容，智能选择最适合的模型。比如数学问题路由到 Code Llama，创意写作路由到 GPT-4。自动处理 vision 模型的上下文路由，并自动 fallback。
• Prompt Enhancer：自动改进用户 Prompt。
• Doodle Paint：在发送消息前打开一个画布，用于图像输入。
• Full Document：完整文档处理能力。
• OpenRouter WebSearch Citations：为 OpenRouter 模型启用网络搜索并附带引用。

技术亮点

Planner Agent v3：把 AutoGPT 装进聊天框

Planner Agent v3 值得关注。它采用了多代理编排（Multi-Agent Orchestration）架构，内置 web_search_agent、image_gen_agent、knowledge_agent、code_interpreter_agent、terminal_agent 五种专业化虚拟子代理。通过 asyncio.gather 实现并行执行，显著提升效率。用户可以在执行过程中审批子计划、提供反馈，代理会自我修正。

状态持久化是另一个亮点——任务进度和历史记录以 JSON 附件形式保存在 Open WebUI 中，即使关闭对话也能恢复。

ComfyUI 深度集成

项目中包含多个 ComfyUI workflow JSON 文件（位于 Extras/ 目录），涵盖 Flux Kontext 图像编辑、Qwen Image Edit 2509 工作流、ACE Step 1.5 音频生成、WAN 2.2 视频生成。这意味着用户无需手动在 ComfyUI 中配置，直接导入 JSON 即可使用。

Semantic Router：模型智能调度

Semantic Router Filter 是另一个实用创新。它不像传统方式按固定规则路由，而是利用模型描述和能力信息，结合用户 Prompt 的语义内容，动态选择最合适的模型。支持 vision 模型的上下文路由，并自动处理不支持 vision 的模型 fallback。

上手门槛

arXiv Search、OutageDeck Status 等工具开箱即用，无需任何配置。这降低了试用门槛——用户可以先体验基础功能，再逐步配置更复杂的工具。

局限性

1. 对 Open WebUI 版本强依赖：Planner Agent v3 等高级功能需要 Open WebUI 0.9.1+，如果用户使用的是旧版 Open WebUI，很多功能不可用。
2. 外部服务碎片化：工具依赖大量外部服务（Perplexica、ComfyUI、YouTube API、Pexels API 等），每增加一个功能都需要额外配置。
3. 无独立容器化部署：工具本身没有 Dockerfile，无法独立部署，必须依托 Open WebUI。
4. 中文社区资源少：文档和讨论以英文为主，中文用户上手有一定语言门槛。

行业意义

Open WebUI Tools 代表了一个趋势：将专业 AI 能力从独立工具整合进统一的对话界面。随着 Ollama、LM Studio 等本地模型工具的普及，用户对本地 AI 工作站的需求日益增长。Haervwe 的工作填补了 Open WebUI 扩展生态的关键空白——官方 Hub 上线的工具大多来自此仓库。

从 GitHub 数据看，项目自创建以来保持稳定更新（最新版本 Planner v3.10.3），社区 Fork 和 issue 活跃。17 个 topic 标签显示了极宽的功能覆盖范围，这种"瑞士军刀"式的定位在小众工具领域有其独特价值。

Hugging Face Stable Diffusion 在 Open WebUI 内直接生成图像

Perplexica Pipe 在 Open WebUI 中提供带引用的 AI 网络搜索