260203-OpenWebUI-在Windows上和RHEL上部署Caddy的步骤+在iPhone上操作的步骤

260203-OpenWebUI-在Windows上和RHEL上部署Caddy的步骤+在iPhone上操作的步骤
在这里插入图片描述

要在局域网内解决 iPhone 访问 OpenWebUI 的语音/视频权限问题,核心目标是建立一个被 iPhone 信任的 HTTPS 环境。以下是针对 Windows 和 RHEL 两大平台的 Caddy 部署及 iPhone 操作的完整指南。

在这里插入图片描述

一、 Windows 平台部署 Caddy

适用于在 Windows PC 上直接开发或运行 OpenWebUI 的场景。

  1. 下载:从 Caddy GitHub Releases 下载 windows_amd64 的 zip 包,解压得到 caddy.exe
  2. 存放:建议存放在 C:\caddy\
  3. 配置:在同目录下新建文本文件并重命名为 Caddyfile(无后缀),内容如下:
# 替换为你电脑的局域网 IP (例如 192.168.1.5) 192.168.x.x { reverse_proxy localhost:3000 tls internal } 
  • 多个端口的设置:⚠:相同应用需要不同的端口
# Open-WebUI (访问地址 https://192.168.8.250:9997) 192.168.8.250:9998 { reverse_proxy localhost:9997 tls internal } # ASR (访问地址 https://192.168.8.250:8000) 192.168.8.250:8001 { reverse_proxy localhost:8000 tls internal } 
  1. 启动:在当前文件夹打开终端(CMD 或 PowerShell),输入:
.\caddy.exe run 
  1. 查找证书:Caddy 会生成根证书,Windows 上通常位于:
    C:\Users\你的用户名\AppData\Roaming\Caddy\pki\authorities\local\root.crt

二、 RHEL 平台部署 Caddy

适用于公司服务器环境。

  1. 安装
sudo dnf install'dnf-command(copr)'sudo dnf copr enable @caddy/caddy sudo dnf install caddy 
  1. 配置:修改 /etc/caddy/Caddyfile
# 替换为 RHEL 服务器的局域网 IP 192.168.x.x { reverse_proxy localhost:3000 tls internal } 
  1. 放行防火墙
sudo firewall-cmd --permanent --add-service=https sudo firewall-cmd --reload 
  1. 启动sudo systemctl enable --now caddy
  2. 查找证书:RHEL 上根证书位置:
    /var/lib/caddy/.local/share/caddy/pki/authorities/local/root.crt

三、 iPhone 手机端操作步骤

这是开启语音和视频权限最关键的一步,必须严格执行:

1. 传输并安装证书

  • 将上述步骤中找到的 root.crt 文件通过邮件、隔空投送(AirDrop)或网页下载发送到 iPhone。
  • 点击文件,iPhone 会提示“已下载描述文件”。
  • 进入 设置 > 已下载描述文件,点击 安装

2. 开启完全信任 (必做)

  • 进入 设置 > 通用 > 关于本机 > 证书信任设置
  • 在“针对根证书启用完全信任”列表中,找到 Caddy Local Authority…
  • 打开其右侧的开关

3. 访问测试

  • 在 Safari 浏览器中输入 https://192.168.x.x必须手动输入 https)。
  • 地址栏应出现“灰色或绿色的小锁”,不再报安全警告。
  • 此时点击 OpenWebUI 的麦克风或摄像头图标,iOS 即可正常弹出授权窗口。

方案总结对比

操作环节Windows 平台RHEL 平台
主要工具caddy.execaddy 服务 (dnf 安装)
配置文件运行目录下的 Caddyfile/etc/caddy/Caddyfile
根证书路径AppData\Roaming\Caddy\.../var/lib/caddy/...
网络要求允许程序通过 Windows 防火墙必须执行 firewall-cmd 放行 443
iPhone 操作一致:安装证书 -> 手动开启完全信任一致:安装证书 -> 手动开启完全信任
💡 核心提醒:很多用户安装了证书但忘记在“关于本机”里手动开启完全信任开关,导致 HTTPS 依然失效,请务必检查该设置。

您在寻找证书文件的过程中是否遇到了困难?我可以帮您确认具体的文件路径。

Read more

私人 AI 随身带!OpenClaw+cpolar 外网访问完整教程

私人 AI 随身带!OpenClaw+cpolar 外网访问完整教程

前言 在人人都用 AI 的时代,拥有一台完全私有、本地运行、数据不泄露的私人 AI,已经成为很多人的刚需。OpenClaw 就是这样一款宝藏工具,可绝大多数人都用错了方式 —— 只把它放在家里电脑上,出门就用不了。结果就是:部署时兴致勃勃,用几天后慢慢闲置,明明花了时间搭建,却没能发挥一半价值。我自己踩过这个坑,也试过各种办法突破局域网限制,要么配置复杂,要么不稳定,直到遇见 cpolar。它能轻松把本地服务映射到公网,安全加密、多平台兼容、新手友好。把 OpenClaw 和 cpolar 组合在一起,就等于把私人 AI 装进口袋,上班、出差、旅行,只要有网就能用。这篇文章不讲难懂原理,只给可直接复制的操作,带你从零完成外网访问,让私人 AI 真正随身带、随时用。 1 OpenClaw和cpolar是什么?

IntelliJ IDEA AI Assistant 携带OpenCode保姆级安装教程来了

IntelliJ IDEA AI Assistant 携带OpenCode保姆级安装教程来了

01 引言 AI Assistant 是 JetBrains 官方推出的 AI 驱动插件,专为软件开发设计。但是之前由于需要订阅才能使用,安装了之后又卸载了。 上一节简单介绍了一下IDEA 2026.1的简单功能,没有实际使用AI Assistant推出的ACP自定义模型。本节将通过安装opencode了解其使用过程。 02 安装 安装上一节已经介绍了,这里不在赘述。但是在安装过程中可能会出现一些问题。 2.1 安装后无法使用 明显显示已经安安装好了,几乎秒级安装,怎么感觉都有点离谱。 但是在对话框无法使用,无法发出信息,也没有选择模型的地方。 其实这个时候是后台在下载opencode的安装包,只不过界面没有明确的提示。可能由于网络原因下载失败,导致对话框无法使用。如果有网络原因,也可以从GitHub手动下载。 真正下载完成之后保存的位置: C:\Users\{user.name}\AppData\Local\JetBrains\acp-agents\.downloads\opencode 重启IDEA编辑器,

亚马逊云科技 EC2 部署 Dify,集成 Amazon Bedrock 构建生成式 AI 应用

亚马逊云科技 EC2 部署 Dify,集成 Amazon Bedrock 构建生成式 AI 应用

亚马逊云科技 EC2 部署 Dify,集成 Amazon Bedrock 构建生成式 AI 应用 文章目录 * 亚马逊云科技 EC2 部署 Dify,集成 Amazon Bedrock 构建生成式 AI 应用 * 前言 * 前提准备:亚马逊云科技注册流程 * Step.1 登录官网 * Step.2 选择账户计划 * Step.3 填写联系人信息 * Step.4 绑定信息 * Step.5 电话验证 * Step.6 售后支持 * Dify 集成 Amazon Bedrock 构建生成式 AI 应用 * Amazon

2025 AI数据准备:EasyLink让多模态非结构化数据处理变简单

2025 AI数据准备:EasyLink让多模态非结构化数据处理变简单

一、前言 在数据驱动的时代,企业每天被PDF、财报、合同、研究报告等海量文档所淹没。这些非结构化的多模态数据中蕴藏着关键业务洞察,却因格式复杂、版式多样、信息分散,成为难以开采的暗数据。研究人员仍需逐页翻查论文,分析师依旧通宵解析百页报表——传统处理方式不仅效率低下,更在规模面前显得无力。 随着大模型的普及,许多人期待它能自动化解这一困境。然而现实却揭示出一个严峻挑战:即使是当前最先进的视觉大模型,在面对复杂版式文档、混排图表与密集文本时,其识别准确率仍与专业非结构化数据处理工具存在显著差距。 一项全面测评显示,通过在多个OCR方法中探索中小模型的参数量、计算量、数据量对于精度的影响,成功证明了OCR领域在这三个维度存在Power-Law规律。 这些研究成果表明,OCR技术在提升多模态大模型性能方面发挥着关键作用,尤其是在处理复杂的视觉问答任务时。我们的工作不仅推动了OCR技术的发展,也为多模态大模型的应用提供了新的视角。 正式研究人员的不断努力,EasyLink团队致力于从数据源头破解这一难题。通过行业领先的智能文档解析与图表理解技术,为多模态大模型提供清洁、结构化