RAGFlow安装部署使用

RAGFlow安装部署使用教程前言在大模型应用越来越普及的今天很多人都想要搭建属于自己的私有知识库把公司的文档、个人的资料都变成可以对话的智能助手但是又担心数据泄露或是被复杂的部署流程劝退。如果你也有这样的困扰那么RAGFlow绝对是你的最佳选择。作为一款开源的深度文档理解 RAG 引擎RAGFlow 可以帮你一键搭建本地私有知识库支持 PDF、Word、PPT、Excel、图片等几乎所有格式的文档能够有效降低大模型的幻觉让你的回答有理有据而且所有数据都保存在你的本地设备完全不用担心隐私泄露。本文将带你从零开始完整讲解 RAGFlow 的安装部署、初始化配置以及核心功能的使用哪怕你是零基础的新手也能跟着步骤一步步搭建出自己的智能知识库。一、RAGFlow 是什么RAGFlow 是一款基于深度文档理解构建的开源 RAG检索增强生成引擎它的核心目标是帮你把复杂的非结构化数据变成可控、可靠的智能问答服务。它的核心优势包括全格式文档支持支持 Word、PDF、PPT、Excel、图片、扫描件等几乎所有格式的文档甚至能解析复杂的表格和图文混排内容完全私有化部署所有数据都保存在本地不需要上传到云端彻底保护你的隐私低幻觉问答基于深度文档理解的文本切片答案自带引用来源让你可以追溯每一个回答的依据一键部署基于 Docker 的一键部署方案不需要复杂的环境配置新手也能快速上手多模型兼容支持 Ollama 本地大模型、OpenAI、通义千问、文心一言等几乎所有主流大模型你可以自由选择二、准备工作在开始部署之前我们需要先确认你的设备满足要求并且安装好必要的基础工具1. 硬件要求CPU至少 4 核心推荐 8 核心内存至少 16GB推荐 32GB如果要运行本地大模型需要更大的内存硬盘至少 50GB 的可用空间用于存放 Docker 镜像和数据系统Windows 10/11、MacOS 11、Linux 都可以支持2. 安装基础工具RAGFlow 推荐使用 Docker 进行部署所以你需要先安装 Docker 和 Docker ComposeWindows/Mac 用户直接下载 Docker Desktop 安装即可官网地址https://www.docker.com/products/docker-desktop/Linux 用户可以通过命令行安装 Docker具体可以参考官方文档安装完成后打开终端输入以下命令验证是否安装成功docker--versiondockercompose version如果能输出版本号说明安装成功。三、Docker 一键部署推荐Docker 部署是官方推荐的方式只需要几条命令就能完成所有服务的部署非常简单。1. 下载 RAGFlow 代码首先我们需要把 RAGFlow 的代码克隆到本地如果你没有安装 Git也可以直接去 GitHub 下载压缩包打开终端执行以下命令# 克隆代码仓库gitclone https://github.com/infiniflow/ragflow.git# 进入 docker 目录cdragflow/docker2. 修改配置文件可选但推荐下载完成后我们需要修改一下配置文件主要是为了适配国内的网络环境还有修改默认端口避免端口冲突。1修改环境变量打开docker目录下的.env文件找到里面的镜像地址配置把默认的 Docker Hub 镜像换成国内的镜像这样下载镜像会快很多找到这一行把注释去掉# RAGFLOW_IMAGEswr.cn-north-4.myhuaweicloud.com/infiniflow/ragflow:v0.20.0-slim这样就会使用华为云的镜像下载速度会快很多。2修改端口可选默认情况下RAGFlow 会使用 80 端口如果你的 80 端口已经被其他服务占用了你可以修改docker-compose.yml文件把端口改成其他的比如 8000把里面的ports:-80:80-443:443改成ports:-8000:80-8443:443这样之后我们就可以通过http://localhost:8000来访问服务了。3. 启动服务配置完成后在 docker 目录下执行以下命令启动所有服务dockercompose up-d第一次启动的时候会自动下载所有需要的 Docker 镜像这个过程需要一点时间取决于你的网速大概需要 20-30 分钟耐心等待就好。4. 验证启动状态启动完成后你可以执行以下命令查看服务的状态dockerlogs-fragflow-server如果看到以下输出说明服务已经启动成功了/ __ \ / | / ____// ____// /____ _ __ / /_/ // /| | / / __ / /_ / // __ \| | /| / / / _, _// ___ |/ /_/ // __/ / // /_/ /| |/ |/ / /_/ |_|/_/ |_|\____//_/ /_/ \____/ |__/|__/ * Running on all addresses (0.0.0.0)四、初始化配置服务启动成功后我们就可以在浏览器里访问 RAGFlow 了接下来进行初始化的配置。1. 注册账号打开浏览器访问http://localhost:8000如果你修改了端口就用你自己的端口你会看到登录界面第一次使用需要先注册账号填写你的邮箱、昵称和密码这里的邮箱不需要是真实的随便填一个格式正确的就可以比如adminlocal.com注册完成后就可以登录了。2. 切换中文界面登录之后默认是英文界面你可以点击右上角的头像把语言切换成中文这样用起来更方便五、配置大模型登录完成后我们需要先配置大模型这样 RAGFlow 才能进行问答你可以选择使用本地的 Ollama 模型也可以使用云端的 API 模型这里我们以常用的两种方式为例1. 配置云端模型比如硅基流动如果你没有足够的硬件运行本地大模型可以选择使用云端的 API 模型比如硅基流动注册就可以免费领取大量的 token足够个人使用。首先点击右上角的头像选择「模型供应商」然后点击「添加模型」选择你要使用的模型供应商比如硅基流动然后填入你获取到的 API Key点击确定就可以了。2. 配置本地 Ollama 模型如果你想要完全本地的部署不需要联网你可以使用 Ollama 来运行本地大模型具体的配置步骤可以参考我们之前的 Ollama 部署教程配置完成后在模型供应商里选择 Ollama填入对应的 API 地址和模型名称就可以了。六、核心功能搭建你的私有知识库模型配置完成后我们就可以开始创建自己的知识库把文档上传进去变成可以对话的智能助手了。1. 创建知识库首先点击左侧的「知识库」然后点击「创建知识库」输入知识库的名称比如「我的个人知识库」然后选择解析策略默认的自动解析就可以满足大部分需求点击确定就创建好了。2. 上传文档进入你刚创建的知识库点击「新增文件」选择你要上传的文档支持 PDF、Word、PPT、Excel、TXT 等几乎所有格式你可以批量上传多个文件上传完成后系统会自动对文档进行解析把文档里的内容提取出来转换成向量这个过程需要一点时间小文档几分钟就可以完成大文档可能需要久一点。3. 创建问答助手文档解析完成后我们就可以创建一个问答助手来和我们的知识库对话了。点击左侧的「聊天」然后点击「新建助理」输入助理的名称然后选择你刚才创建的知识库点击确定就可以了。4. 测试对话现在你就可以在对话界面向你的知识库提问了比如你上传了一份公司的规章制度你就可以问 “员工的请假流程是什么”系统就会从你的文档里找到对应的内容然后生成回答而且还会标注引用的来源你可以点击查看对应的文档片段是不是非常简单这样你的私有知识库就搭建完成了所有的内容都保存在你的本地完全不用担心隐私泄露。七、源码部署进阶如果你想要进行二次开发或者想要修改 RAGFlow 的源码你可以选择源码部署的方式步骤如下克隆代码仓库git clone https://github.com/infiniflow/ragflow.git安装 uv 包管理器pipx install uv安装 Python 依赖uv sync --python 3.10 --all-extras启动基础依赖服务docker compose -f docker/docker-compose-base.yml up -d启动后端服务bash docker/launch_backend_service.sh启动前端服务cd web npm install npm run dev八、常见问题1. 镜像拉取失败怎么办如果你的网络无法访问 Docker Hub可以按照我们之前的步骤把.env文件里的镜像地址换成国内的华为云或者阿里云的镜像就可以解决了。2. 启动后访问提示网络异常这是因为服务还没有完全启动第一次启动需要初始化数据库等待几分钟再试就可以了你可以通过docker logs -f ragflow-server查看启动日志确认服务是否启动完成。3. 文档解析失败怎么办如果你的文档格式比较特殊或者是扫描件你可以选择 OCR 解析策略这样系统会自动识别图片里的文字。4. 如何备份我的数据RAGFlow 的所有数据都保存在 Docker 的卷里你可以直接备份ragflow目录下的volumes文件夹就可以备份所有的知识库数据了。总结RAGFlow 是一款非常强大的开源 RAG 引擎它把复杂的知识库搭建流程变得无比简单哪怕是零基础的新手也能在一个小时内搭建出属于自己的私有知识库。不管你是想要整理自己的学习资料还是搭建公司的内部文档助手RAGFlow 都能完美胜任而且完全开源免费所有数据都掌握在你自己手里。如果你也想要摆脱大模型的幻觉搭建一个可控、可靠的智能问答系统不妨试试 RAGFlow相信它会给你带来惊喜。