issue: `fetch_url` doesn’t work with Playwright in Offline Mode (missing `averaged_perceptron_tagger_eng` NLTK resource)

快速结论：在 Open WebUI 离线模式下（`OFFLINE_MODE=True`, `HF_HUB_OFFLINE=1`），调用 `fetch_url` 工具时，内部使用的 Python NLTK 库无法自动下载 `averaged_perceptron_tagger_eng` 资源，导致 Playwright 抓取页面后处理失败，返回空结果。优先确认容器内是否已预装此 NLTK 资源包。

问题场景

用户通过 Docker 部署 Open WebUI v0.9.6，配合独立的 Playwright 容器（mcr.microsoft.com/playwright:v1.58.0-noble），且设置了以下离线模式相关环境变量：

OFFLINE_MODE=True
HF_HUB_OFFLINE=1
RAG_EMBEDDING_MODEL_AUTO_UPDATE=False

当聊天调用 fetch_url 工具时，Playwright 成功获取页面内容，但 LLM 收到空结果，容器日志中出现 Python 堆栈跟踪。

报错原文

inability to download an NLTK tagger taggers/averaged_perceptron_tagger_eng/

原因分析

NLTK 的 averaged_perceptron_tagger_eng 是一个词性标注模型数据包。在离线模式下，NLTK 默认会尝试联网自动下载缺失的语料库/模型包，但被 HF_HUB_OFFLINE=1 或网络策略阻断，导致下载失败。fetch_url 工具底层依赖 Playwright（通过 SafePlaywrightURLLoader）对页面内容进行结构化解析，该流程会调用 NLTK 进行文本处理，因而报错。即使临时关闭离线模式也无法绕过——因为资源文件尚未被缓存到容器本地。

可能原因：Open WebUI 的 Docker 镜像或 Playwright 容器镜像中，默认未包含 averaged_perceptron_tagger_eng 的预下载缓存。

环境排查

Docker 镜像版本：ghcr.io/open-webui/open-webui:v0.9.6
Playwright 容器版本：mcr.microsoft.com/playwright:v1.58.0-noble（Playwright npm 包 v1.58.0）
Python NLTK 版本：Open WebUI 内嵌版（并非独立安装）
确认配置项：OFFLINE_MODE, HF_HUB_OFFLINE, RAG_EMBEDDING_MODEL_AUTO_UPDATE

解决步骤

进入 Open WebUI 容器终端（或修改 Dockerfile 重新构建镜像）：
docker exec -it <openwebui-container-id> /bin/bash
手动下载缺失的 NLTK 资源包：
```
python -m nltk.downloader averaged_perceptron_tagger_eng
```
（此操作需要临时网络连接，或提前在内网可访问的机器上下载后导入。）
确认资源下载位置：通常位于 /root/nltk_data 或 /home/playwright/nltk_data，可将其打包为持久化卷或嵌入镜像。

持久化解决（推荐）：在 Docker Compose 配置中，将 NLTK 数据目录挂载为卷，或构建自定义镜像时预先 download：

# Dockerfile 示例（基于 open-webui 基础镜像）
FROM ghcr.io/open-webui/open-webui:v0.9.6
RUN python -m nltk.downloader averaged_perceptron_tagger_eng

如果仍失败，可考虑对 fetch_url 工具禁用 NLTK 依赖（仅当 Open WebUI 提供相应配置开关，但 Issue 中未提及此选项，此为推测方案）。

验证方法

执行以下 Python 命令，确认不再报错：

python -c "import nltk; nltk.data.find('taggers/averaged_perceptron_tagger_eng')"

随后在 Open WebUI 中恢复离线模式，向聊天发送带 URL 的 fetch_url 工具调用，检查容器日志无 NLTK 相关异常，且 LLM 正确返回页面内容摘要。

参考来源

open-webui/open-webui #26198

相关 Issue：#24393 — bug: PPTX/DOC file processing hangs at status=pending in fresh container — averaged_perceptron_tagger_eng NLTK resource not bundled（相同根因）

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

issue: `fetch_url` doesn’t work with Playwright in Offline Mode (missing `averaged_perceptron_tagger_eng` NLTK resource)