Como hospedar o Open WebUI ou o Dify na própria VPS?

Qual a diferença entre Open WebUI e Dify?

Muitas empresas usam os dois: Open WebUI para o dia a dia da equipe e Dify para o assistente que atende clientes.

Quanta CPU e memória cada um precisa?

• Open WebUI sozinho é leve: 1 a 2 GB de memória atendem uma equipe pequena. O peso vem do modelo a que ele se liga. Se for um modelo local, some a memória do modelo (veja quanta memória o Ollama precisa).
• Dify sobe vários serviços (API, worker, banco, Redis, banco vetorial, proxy). O README oficial pede pelo menos 2 núcleos e 4 GB; em uso real com documentos indexados, 8 GB dão folga.

Os dois juntos, mais um modelo de 7B local, pedem algo como 4 vCPU e 16 GB (Cloud M, R$ 599). Com modelos só por API, o Cloud S resolve.

Como instalar com Docker?

1. VPS com Ubuntu LTS, Docker e Docker Compose.
2. Open WebUI: um único contêiner (ghcr.io/open-webui/open-webui) com volume persistente para os dados.
3. Dify: clone o repositório oficial, entre na pasta docker, copie o .env.example para .env e rode docker compose up -d.
4. Coloque um proxy reverso com HTTPS (Caddy, Traefik ou Nginx com Let's Encrypt) e um domínio para cada um.

Como proteger o acesso para não virar porta aberta?

• Feche o cadastro público depois de criar as contas da equipe; por padrão, quem chegar ao endereço pode tentar se registrar.
• Não exponha portas internas (banco, Redis, Ollama). Só o proxy fica na internet.
• Guarde chaves de API (OpenAI, Anthropic, Google) em variáveis de ambiente, nunca em prints ou documentos compartilhados.
• Atualize as imagens com frequência: os dois projetos lançam versões quase toda semana, muitas com correções de segurança.

Como ligar a modelos locais e a modelos por API ao mesmo tempo?

Os dois aceitam vários provedores. O Ollama local aparece como um endpoint compatível com a API da OpenAI (http://ollama:11434/v1 na rede do Docker). Modelos comerciais entram com a chave de cada provedor. Uma boa prática é deixar o modelo local para tarefas internas com dados sensíveis e o modelo por API para tarefas que pedem mais raciocínio. A comparação de custo está em LLM local ou API paga.

O que entra no backup?

O volume de dados do Open WebUI (conversas e usuários), o banco PostgreSQL do Dify, os arquivos enviados às bases de conhecimento e o banco vetorial. Sem o banco vetorial, a base precisa ser reindexada, o que leva tempo e consome chamadas de embedding. Detalhes em backup de projeto de IA.

Como controlar o gasto quando a equipe usa modelos por API?

Com uma interface aberta para toda a equipe, o consumo de tokens cresce sem ninguém perceber. Três medidas resolvem a maior parte:

• Uma chave de API por ferramenta, com limite de gasto mensal configurado no painel do provedor.
• Modelo padrão econômico: deixe como padrão um modelo menor e libere os maiores só para quem precisa.
• Um gateway no meio: um serviço como o LiteLLM recebe as chamadas do Open WebUI e do Dify, registra o gasto por usuário e corta quando passa do teto.

O Open WebUI também permite definir quais modelos cada grupo de usuários enxerga, o que evita que um teste esquecido rode o dia inteiro no modelo mais caro.

Onde hospedar: no computador do escritório ou numa VPS?

No computador do escritório, a ferramenta para quando a máquina desliga, a internet cai ou alguém precisa acessar de casa. Numa VPS, fica disponível o tempo todo, com IP fixo, HTTPS e backup. Para uso de equipe e principalmente para atender clientes, a VPS é o caminho; o computador local serve para testes.