在 Open WebUI 中组合多种生成式 API 完成多模态内容创作工作流

方案简介

本仓库 Haervwe/open-webui-tools 是一个面向 Open WebUI 的模块化插件集合，目标是把学术检索、网页搜索、图像/音乐/视频生成、Agent 编排、文档处理等能力以「Tool / Function Pipe / Filter」三种形态注入到 Open WebUI 中，让一个本地聊天界面就能充当 AI 工作站。

项目适合已经部署了 Open WebUI、想扩展其原生聊天体验的用户；尤其是需要把多种外部 API（arXiv、Pexels、YouTube、OpenWeatherMap、Atlas Cloud、Google Veo、MiniMax 等）和本地后端（ComfyUI、Mopidy、Ollama）统一收口到同一界面的研究者、创作者和 AI 工程师。README 强调「Plug-and-Play」「Visual Integration」「Smart Routing」，并提供两条安装路径（Hub 一键获取或手动粘贴 .py 文件）。

亮点与能力

• 学术与网页搜索：内置 arXiv Search、Perplexica Search、SerpBase Google Search、Pexels Media Search、YouTube Search & Embed 等检索类工具，覆盖论文、网络、图片、视频多源信息获取。
• 多模态内容生成：通过 Native Image Generator、Hugging Face Image Generator、ComfyUI ACE Step 1.5 Audio、ComfyUI Text-to-Video、Atlas Cloud Media Generator、Flux Kontext、OpenRouter Image 等生成文/图/音/视频。
• Agent 与多模型编排：Planner Agent v3、Letta Agent、Multi Model Conversations v2、arXiv Research MCTS 提供自主规划、多 Agent 委托与蒙特卡洛树搜索等高阶推理能力。
• 文档与简历处理：Full Document Filter、Resume Analyzer Pipe 可在对话中解析整篇文档与简历内容。
• 智能路由与提示增强：Semantic Router、Prompt Enhancer、Clean Thinking Tags Filter 用于模型选择、提示改写与会话清洗。
• 生态集成：Mopidy 音乐控制、Xquik X 数据、OutageDeck Provider Status、OpenWeatherMap 等把生活/运维信息接入聊天流。

前置要求

• Open WebUI：推荐 0.6.0 及以上版本，作为插件宿主。
• Python：3.8 或更高版本，用于运行插件脚本。
• 可选依赖：
• ComfyUI（用于图像/音乐生成类工具）
• Mopidy（用于音乐控制器）
• 各类 API Key（Hugging Face、Tavily 等，按所用工具而定）

优缺点

• ✓ 插件化即插即用
• ✓ 覆盖文图音视频多模态
• ✕ 依赖外部 API 与 ComfyUI 实
• ✕ 配置项分散需要逐项调试

出处

本方案挖掘自开源项目 Haervwe/open-webui-tools，方案内容与实施命令均来自其 README 原文。