Open WebUI para equipos: usuarios, grupos, asistentes de IA personalizados y biblioteca de prompts

Tras instalar Open WebUI con Ollama, la mayoría de los equipos lo usan como un ChatGPT privado: cada persona abre un chat y escribe. Resulta mucho más útil cuando se configura para el equipo: aprobar cuentas, organizar al personal en grupos, crear asistentes listos para tareas repetitivas como respuestas a clientes, traducciones y textos de producto, compartir una biblioteca de prompts y los documentos de la empresa, y hacer copias de seguridad de todo. Esta guía recorre esos ajustes. Los nombres de los menús corresponden a las versiones recientes de Open WebUI y en ocasiones cambian de lugar de una versión a otra.

Paso 1: Controlar quién puede registrarse

La primera cuenta que se crea pasa a ser la de administrador. Después, en Admin Panel > Settings > General (panel de administración > configuración > general):

• Establezca como rol predeterminado de los nuevos usuarios pending (pendiente), para que las cuentas nuevas no puedan chatear hasta que un administrador las apruebe.
• Active los registros nuevos solo mientras sus compañeros se dan de alta y vuelva a desactivarlos después. También puede crear las cuentas usted mismo en Admin Panel > Users (usuarios).
• Mantenga reducido el número de administradores; el resto recibe el rol user (usuario).

Paso 2: Organizar al personal en grupos

En Admin Panel > Users > Groups (grupos), cree grupos como Soporte, Marketing y Desarrollo, y añada a sus miembros. Los grupos sirven para dos cosas: decidir qué asistentes y qué conocimiento puede ver cada equipo, y conceder permisos como subir archivos o crear sus propios asistentes y prompts en el espacio de trabajo. Una configuración habitual es permitir que los responsables de cada equipo editen el espacio de trabajo y dar al resto solo acceso al chat.

Paso 3: Decidir qué modelos ven los usuarios

En Admin Panel > Settings > Models (modelos), oculte los modelos que no deban aparecer en el menú del chat, como el modelo de embeddings o los modelos que solo está probando, y defina un modelo predeterminado adecuado. Así, el personal elige entre una lista corta de asistentes creados para cada tarea en lugar de nombres de modelos sin más.

Paso 4: Crear asistentes listos para usar

Un asistente es una combinación guardada de un modelo base, un prompt del sistema, unos ajustes y, opcionalmente, conocimiento. Créelos en Workspace > Models (espacio de trabajo > modelos), asigne a cada uno un nombre y una descripción claros, y compártalo con los grupos que lo necesiten. Algunos ejemplos que funcionan bien:

Name: Customer Reply Writer        Base model: qwen2.5:7b
System prompt:
You help support staff answer customer messages for ACME Hosting.
Write a polite, concise reply in the customer's language.
Use only facts given by the staff member or the attached knowledge.
If information is missing, list what to ask the customer instead of guessing.

Name: Listing Translator           Base model: qwen2.5:7b
System prompt:
Translate e-commerce product text into the language the user requests.
Keep brand names, model numbers, units and HTML tags unchanged.
Use natural marketplace wording, not word-for-word translation.
Return only the translated text.

Name: Ticket Summariser            Base model: qwen2.5:7b
System prompt:
Summarise the conversation pasted by the user in 5 bullet points:
problem, what was tried, current status, next step, customer mood.

En los asistentes que deben ceñirse a los hechos, baje la temperatura en los parámetros avanzados (por ejemplo, a 0.3). Pruebe cada asistente con ejemplos reales antes de compartirlo.

Paso 5: Compartir el conocimiento de la empresa

En Workspace > Knowledge (conocimiento), cree colecciones como "Preguntas frecuentes de productos" o "Procedimientos de soporte" y suba documentos. Vincule una colección a un asistente para que todos los chats con él puedan usar esos documentos, o escriba # en un chat para elegir una colección o una página web para una sola pregunta. Mantenga las colecciones al día: elimine los archivos obsoletos cuando cambien los precios o los procedimientos. Si necesita un sistema de preguntas y respuestas sobre documentos más estricto, consulte crear un chatbot RAG privado con AnythingLLM.

Paso 6: Crear una biblioteca de prompts

En Workspace > Prompts, guarde las instrucciones que su equipo escribe una y otra vez, cada una con un comando corto. En cualquier chat, al escribir / aparece la lista. Por ejemplo:

Command: /seo-title
Content:
Write 5 product titles for the product below. Each title must be under
120 characters, put the main keyword first and make no exaggerated claims.

Command: /polite
Content:
Rewrite the text below so it sounds friendly and professional.
Keep the meaning and all facts unchanged.

Paso 7: Consejos para el uso diario

• Escriba @ para que la siguiente respuesta la dé otro asistente sin salir de la conversación.
• Escriba # para usar una colección de conocimiento o una URL, y / para insertar un prompt guardado.
• Suba un archivo a un chat para hacer preguntas solo sobre ese documento.
• Seleccione dos modelos en la parte superior de un chat para comparar sus respuestas lado a lado.
• Use un chat temporal para todo lo que no deba quedar guardado en el historial.

Paso 8: Copias de seguridad y actualizaciones

Todos los usuarios, chats, asistentes, prompts y archivos subidos se guardan en el volumen de Docker open-webui. Haga una copia de seguridad antes de cada actualización:

# Back up the whole Open WebUI data volume
mkdir -p /root/backup
docker run --rm -v open-webui:/data -v /root/backup:/backup alpine \
  tar czf /backup/open-webui-$(date +%F).tar.gz -C /data .

# Update to the latest version (the data stays in the volume)
docker pull ghcr.io/open-webui/open-webui:main
docker stop open-webui && docker rm open-webui
# then start it again with the same "docker run" command you used to install it

Preguntas frecuentes

¿Cuántas personas pueden usarlo a la vez?

Open WebUI en sí es ligero; el límite lo marca la velocidad a la que el modelo genera texto. En un servidor con CPU, las respuestas se generan más o menos una tras otra, así que en los momentos de más actividad habrá que esperar. Use modelos más pequeños para las tareas sencillas, mantenga cargado el modelo más utilizado o añada un modelo en la nube para un uso intensivo, como se describe en la siguiente pregunta.

¿Puedo añadir modelos en la nube junto a los locales?

Sí. En Admin Panel > Settings > Connections (conexiones) puede añadir cualquier API compatible con OpenAI indicando su URL base y su clave. Use proveedores solo desde las regiones que admiten y conforme a sus condiciones, y tenga en cuenta que los prompts enviados a esos modelos salen de su servidor.

¿Qué hago si un compañero olvidó su contraseña?

Un administrador puede asignarle una nueva contraseña editando el usuario en Admin Panel > Users.

¿Sigue sin resolverlo después de seguir estos pasos? Abra un ticket de soporte y el equipo técnico de IMIDC, disponible 24/7, le ayudará. Incluya la IP del servidor, la versión de Open WebUI, la salida de docker logs open-webui y el mensaje de error completo para que podamos localizar el problema más rápido.