Ubuntu 22.04 用 Docker 部署 vLLM(Qwen3-0.6B)+New API+OpenWebUI 并接入 TaoToken 统一 Key

1. Ubuntu 22.04 单机 Docker 部署 vLLM 与 OpenWebUI 时上游 Key 怎么统一如果你手上只有一台 Ubuntu 22.04 的机器想同时跑本地推理、网关和聊天前端又不想在三个容器里各维护一套 Key那这套组合值得试vLLM 负责把 Qwen3-0.6B 跑成 OpenAI 兼容接口New API 做统一网关OpenWebUI 当聊天界面最后把上游 endpoint 和 Key 收敛到 TaoToken 统一通道。它适合想自建 AI 工作台、又希望后续换模型或加渠道时不用改前端的人。我这次用的环境是 Ubuntu 22.04、单张消费级显卡、Docker 24 以上、NVIDIA 驱动已装好。Qwen3-0.6B 体积小单卡就能加载适合先把链路跑通再换成 Qwen3-8B 或更大的模型。整条链路的关键不是把三个容器都启动而是让「前端 → 网关 → 推理/统一通道」的请求能逐层验证通过。很多人卡在 OpenWebUI 报reading choices或 New API 报local proxy failed本质是中间某一层的 Base URL 或 Key 没对齐。下面按「先跑通本地推理再接入统一 Key最后验证前端」的顺序来。每一步都有可复制的配置和验证命令你可以边做边对照返回结果。2. 用 Docker Compose 编排 vLLM、New API 与 OpenWebUI 的完整配置先建目录所有数据都放这里方便备份和迁移mkdir -p ~/ai-stack cd ~/ai-stack然后写docker-compose.yml。这份配置把三个服务放在同一个自定义网络里容器之间用服务名互访避免写死 IPservices: vllm: image: vllm/vllm-openai:latest container_name: vllm restart: always runtime: nvidia ipc: host ports: - 8000:8000 volumes: - ~/.cache/huggingface:/root/.cache/huggingface environment: - HF_HUB_OFFLINE1 command: Qwen/Qwen3-0.6B --served-model-name qwen3 --host 0.0.0.0 --port 8000 --tensor-parallel-size 1 --gpu-memory-utilization 0.85 --max-model-len 4096 --max-num-seqs 64 new-api: image: calciumion/new-api:latest container_name: new-api restart: always ports: - 3000:3000 volumes: - ./new-api-data:/data depends_on: - vllm openwebui: image: ghcr.io/open-webui/open-webui:main container_name: openwebui restart: always ports: - 3001:8080 environment: - OPENAI_API_BASE_URLhttp://new-api:3000/v1 - OPENAI_API_KEYsk-替换成你的令牌 - ENABLE_OLLAMA_APIfalse - HF_HUB_OFFLINE1 volumes: - ./openwebui:/app/backend/data depends_on: - new-api几个参数值得单独说。--served-model-name qwen3决定了接口里model字段该填什么不设的话默认是模型全路径请求时写qwen3会返回NotFoundError: The model qwen3 does not exist。--gpu-memory-utilization 0.85是留给模型和 KV Cache 的显存比例剩下的留给系统和驱动。--max-model-len 4096是输入加输出的总上下文上限Qwen3-0.6B 调大也行但显存要跟上。ipc: host在多卡共享内存时很关键单卡也建议保留。模型文件建议先在宿主机下好容器挂载缓存目录后直接离线加载省得容器内网络不稳反复重试pip3 install -U huggingface_hub export HF_ENDPOINThttps://hf-mirror.com hf download Qwen/Qwen3-0.6B下载完成后文件会落在~/.cache/huggingface/hub/models--Qwen--Qwen3-0.6B/和 compose 里的挂载路径一致。然后启动docker compose up -d docker compose ps等 vLLM 日志出现Uvicorn running on http://0.0.0.0:8000就说明推理服务起来了。第一次加载模型会慢一些之后重启走缓存会快很多。3. 把 New API 上游 endpoint 与 Key 改到 TaoToken 统一通道这一步是整篇的重点。New API 的价值在于前端只认一个 Base URL 和一个 Key背后接的是本地 vLLM 还是统一通道由网关决定。这样你换模型、加渠道、做额度统计都不用动 OpenWebUI。先访问http://你的IP:3000第一次会进初始化页面创建管理员账号。登录后进「渠道管理 → 新建渠道」。如果你只想先用本地 vLLM类型选 OpenAIAPI 地址填http://vllm:8000模型填qwen3密钥随便填一个vLLM 默认不校验。但既然目标是统一 Key更推荐把上游指向 TaoToken 的 API 地址这样本地和云端模型可以走同一个入口。TaoToken 的 API 地址是https://taotoken.net/apiKey 在控制台的 API Keys 页面生成。渠道配置里{ type: openai, name: taotoken-unified, base_url: https://taotoken.net/api/v1, api_key: sk-你的TaoToken密钥, models: qwen3,qwen3-8b, group: default }注意 Base URL 要带/v1因为 OpenAI 兼容接口的路径是/v1/chat/completions。模型列表里可以同时写本地模型名和统一通道支持的模型名New API 会按请求里的model字段路由。保存后点「测试渠道」返回成功就说明网关到上游通了。如果你更习惯用配置文件而不是界面New API 的数据目录./new-api-data下会有持久化文件但界面操作更直观建议先用界面跑通再考虑导出。这里要提醒一句不要把生产库直连到任何 MCP 或自动化脚本里渠道配置属于敏感信息改完记得确认没有把 Key 提交到 Git。配好渠道后进「令牌管理」创建一个令牌得到sk-xxxxxxxx。这个令牌就是 OpenWebUI 要填的 Key也是你对外调用统一通道时用的凭证。它和上游 TaoToken 的 Key 是两层前端只接触这一层上游 Key 留在网关里安全性更好。4. 逐层验证 vLLM 加载、网关转发与 OpenWebUI 对话验证要一层一层来哪层断了就修哪层别一上来就开前端。先验 vLLM 本身curl http://localhost:8000/v1/models返回里应该有id:qwen3。再发一条聊天请求curl http://localhost:8000/v1/chat/completions \ -H Content-Type: application/json \ -d {model:qwen3,messages:[{role:user,content:你好}]}能看到choices里有回复内容说明推理链路正常。Qwen3 会带think思考段属于正常输出。再验 New API 转发curl http://localhost:3000/v1/models \ -H Authorization: Bearer sk-你的令牌返回的模型列表里应该包含你在渠道里配的模型。再走一次聊天curl http://localhost:3000/v1/chat/completions \ -H Authorization: Bearer sk-你的令牌 \ -H Content-Type: application/json \ -d {model:qwen3,messages:[{role:user,content:你好}]}如果这一步返回正常说明「网关 → 上游」通了。最后打开http://你的IP:3001进 OpenWebUI创建账号后进「管理员设置 → 外部连接 → OpenAI API」填API URL: http://new-api:3000/v1 API Key: sk-你的令牌保存后刷新页面模型下拉里应该能看到qwen3。发一条消息能收到回复就说明三层全通了。如果 OpenWebUI 和 New API 不在同一个 compose 网络里new-api要换成宿主机 IP。5. 部署中常见报错排查401、local proxy failed 与 reading choices401 Unauthorized最常见的是 Key 填错或没带Bearer前缀。检查 OpenWebUI 里的 Key 是不是 New API 的令牌而不是 TaoToken 的上游 Key。curl 测试时确认-H Authorization: Bearer sk-xxx格式正确冒号后有一个空格。local proxy failedNew API 报这个通常是渠道的 Base URL 不通。如果填的是http://vllm:8000确认两个容器在同一个 compose 网络里且 vLLM 已启动。如果填的是 TaoToken 地址确认网络能访问https://taotoken.net/api以及 Base URL 带了/v1。容器内可以用docker exec -it new-api sh进去curl一下上游地址排查。reading choices 报错OpenWebUI 报这个一般是上游返回结构不对常见原因是模型名不匹配。请求里model填的名字必须在渠道的模型列表里存在。比如渠道只配了qwen3前端却发Qwen/Qwen3-0.6B网关找不到就会返回错误结构。统一在渠道里把模型名对齐即可。OAuth 相关报错如果你给 OpenWebUI 配了第三方登录回调地址和端口要对得上。单机测试阶段建议先用本地账号别急着接 OAuth减少变量。模型加载失败vLLM 日志里如果出现显存不足把--gpu-memory-utilization调低到 0.7 再试或者换更小的--max-model-len。如果是离线加载报找不到模型确认HF_HUB_OFFLINE1和缓存目录挂载都对模型文件确实在~/.cache/huggingface/hub/下。排查顺序建议固定为先 curl vLLM再 curl New API最后看 OpenWebUI。哪层断修哪层比同时改三个地方高效得多。6. 统一 Key 之后把 Coding Plan 与 API Keys 接进日常流程链路跑通后日常使用其实就两件事拿 Key 和看文档。TaoToken 的 API Keys 页面用来生成和管理密钥接入文档里有各语言和工具的调用示例。如果你主要做长期编码或 Agent 类任务Coding Plan 更适合按周期使用如果只是临时验证模型效果直接用模型对话页面更快。把统一 Key 接进编辑器或命令行工具时记住三件套Base URL 填https://taotoken.net/api/v1Key 填控制台生成的密钥Model ID 填渠道里配置的模型名。这三者对齐基本不会出问题。本地 vLLM 和统一通道可以共存网关按模型名路由前端完全无感。这样一套单机 Docker 栈既保留了本地推理的低延迟又有了统一 Key 带来的可管理性。