Lokale LLMs · Foto: derekGavey, CC BY 2.0
integrations/wikipedia_pipeline.py
Zuletzt aktualisiert:
Typ
Anleitung
Lizenz
MIT
Quelle
Anwendungsfeld
Ollama
Voraussetzungen
- Laufende Open-WebUI-Instanz mit aktivierter Pipelines-Funktion
- Grundkenntnisse in Python, um den Beispielcode anzupassen
Einordnung
Der Code ist einfach, aber die Anpassung an eine eigene Datenquelle erfordert Python-Kenntnisse und eine laufende Open-WebUI-Pipeline-Umgebung.
Minimal-Beispiel für externe Datenquellen: Anfrage → Wikipedia-API → Antwort.
Im Detail
Dieses Beispiel zeigt am simpelsten Fall, wie externe Datenquellen in eine Open-WebUI-Pipeline eingebunden werden: Eine Nutzeranfrage geht raus an die Wikipedia-API, die Antwort kommt zurück und wird ins Modell eingespeist bzw. direkt angezeigt. Der Wert liegt weniger in Wikipedia selbst als im Muster dahinter — Anfrage entgegennehmen, externen Dienst per API abrufen, Ergebnis verarbeiten und zurückgeben. Wer eine eigene Integration bauen will, etwa an eine interne Datenbank, ein Wetter-API oder einen internen Suchdienst, findet hier eine kompakte, leicht nachvollziehbare Vorlage ohne unnötigen Overhead, an der sich der eigene Code orientieren lässt.
Schritt für Schritt
- Den Wikipedia-API-Aufruf im Code durch den Aufruf der gewünschten Datenquelle ersetzen (z. B. Wetterdienst, interne Datenbank, Suchdienst)
- Die Verarbeitung der Antwort anpassen, damit nur die relevanten Daten an das Modell weitergereicht werden
- Die Pipeline mit einer Testanfrage durchlaufen lassen und prüfen, ob die externe Antwort korrekt im Modellkontext ankommt
- Eine Fehlerbehandlung ergänzen für den Fall, dass der externe Dienst nicht antwortet
- Bei Bedarf nach demselben Muster weitere externe Quellen anbinden
Beispiel aus der Praxis
Ein Team möchte in Open WebUI Anfragen an ein internes Ticketsystem weiterleiten. Es nimmt das Wikipedia-Beispiel als Vorlage, tauscht den API-Aufruf gegen die Ticketsystem-Schnittstelle aus und lässt die Antwort ins Modell einfließen, sodass Nutzeranfragen zum Ticketstatus direkt im Chat beantwortet werden.
Praxis-Tipp
Nutzen Sie dieses Skript als Kopiervorlage: Ersetzen Sie den Wikipedia-API-Aufruf durch Ihre eigene API und behalten Sie die Grundstruktur (Anfrage → Abruf → Rückgabe) bei.
Stolperfallen
Wer den Beispielcode 1:1 übernimmt, übersieht leicht, dass reale APIs Zeitüberschreitungen oder Fehlerantworten liefern können, die die Wikipedia-Anfrage im Beispiel nicht abbildet. Vor dem produktiven Einsatz sollte deshalb Timeout- und Fehlerbehandlung ergänzt werden, sonst hängt die ganze Pipeline bei einem Ausfall der externen Quelle.
Siehe auch
Lizenz & Quelle
- Lizenz: MIT
- Quelle: open-webui/pipelines
Häufige Fragen.
Muss ich für dieses Beispiel Wikipedia tatsächlich nutzen?
Nein, Wikipedia dient nur als einfach nachvollziehbares Beispiel für das Muster Anfrage-Abruf-Antwort; der Aufruf lässt sich gegen jede andere API austauschen.
Brauche ich einen API-Key?
Für die Wikipedia-API selbst nicht, für eine eigene Zieldatenquelle hängt das vom jeweiligen Dienst ab.
Wie unterscheidet sich das von einer fertigen RAG-Lösung?
Es ist kein fertiges RAG-System, sondern ein minimales Codebeispiel, an dem sich der Aufbau einer eigenen Integration orientieren lässt.
Inhalt ansehen (wikipedia_pipeline.py)
Lade …
Erfahrungen & Kommentare.
Funktioniert der Anleitung bei Ihnen? Tipps, Stolperfallen, Varianten — teilen Sie es mit der Community.
Lade Kommentare …
Passt dazu.
ollama_pipeline.py
Minimalbeispiel: Anfragen an einen Ollama-Server durchreichen — der beste Startpunkt, um das Pipeline-Prinzip zu verstehen.
ollama_manifold_pipeline.py
„Manifold": macht alle auf dem Ollama-Server installierten Modelle auf einmal verfügbar statt nur eines.
llama_cpp_pipeline.py
GGUF-Modelle direkt über die llama-cpp-python-Bibliothek fahren — ohne Ollama dazwischen.
