本地部署 DeepSeek-R1 大模型与 RAGFlow 知识库搭建指南

本地部署 DeepSeek-R1 大模型与 RAGFlow 知识库搭建指南

本文详细介绍在 Windows 环境下部署 Ollama 与 DeepSeek-R1 大模型，并集成 RAGFlow 构建个人知识库的完整流程。

一、DeepSeek-R1 本地化部署

本章介绍 Ollama 工具的安装、环境配置及 DeepSeek-R1 模型的本地部署流程。

1.1 Ollama 安装与路径配置

为避免占用系统盘空间，需自定义 Ollama 安装路径与模型存储位置。

安装步骤：

1. 访问 Ollama 官网 下载 Windows 安装包

2. 切换至安装包所在目录，通过命令行指定自定义安装路径：

.\OllamaSetup.exe /DIR="D:\your\ollama\path"

1.2 配置模型存储路径

通过设置系统环境变量指定模型存储目录：

1. 打开系统环境变量设置

2. 新建系统变量：

   • 变量名：OLLAMA_MODELS

   • 变量值：自定义模型路径（如 D:\ollama\models）

3. 重启系统或 Ollama 服务使配置生效

   

1.3 DeepSeek-R1 模型部署

DeepSeek-R1 提供多种参数规模的模型版本（7B/14B/70B等），建议从 7B 版本开始尝试。

部署命令：

ollama run deepseek-r1:7b

验证部署：

• 执行 ollama list 查看已安装模型

• 在模型交互界面输入测试文本验证响应

二、RAGFlow 知识库系统搭建

本章将详细介绍 RAGFlow 知识库系统搭建步骤。

2.1 RAGFlow安装与配置

镜像源配置

为加速下载过程，修改 docker/.env 文件中的镜像源配置：

RAGFLOW_IMAGE=registry.cn-hangzhou.aliyuncs.com/infiniflow/ragflow:latest

Docker 存储路径配置

在 Docker Desktop 中修改镜像存储路径至非系统分区，避免磁盘空间不足。

镜像加速器配置

为解决网络访问问题，配置国内镜像加速器：

1. 编辑 %USERPROFILE%\.docker\daemon.json 文件

2. 添加镜像加速器配置：

{
  "registry-mirrors": [
    "https://docker.mirrors.ustc.edu.cn",
    "https://hub-mirror.c.163.com",
    "https://registry.docker-cn.com"
  ]
}

3. 重启 Docker 服务

部署RAGFlow

cd D:\3_Work\py\models\ragflow-0.19
docker compose -f docker/docker-compose.yml up -d

2.2 本地模型集成

模型配置

访问 RAGFlow 管理界面 (http://localhost:80)，配置本地 Ollama 模型：

17259*****@qq.com 12*****ab**@

1. Model Type: 选择 chat

2. Model Name: 严格对应 ollama list 输出结果（如 deepseek-r1:7b）

3. Base URL: 使用 WSL 网络地址（格式：http://[WSL_IP]:11434）

4. Max Tokens: 建议设置为 4096

5. API Key: 留空

网络地址查询

通过 ipconfig 命令查询 WSL 虚拟网络 IPv4 地址，用于构建 Base URL。

默认模型设置

在系统设置中将已添加的模型设为默认模型，即可开始使用。

总结

本文完整介绍了从 DeepSeek-R1 大模型本地部署到 RAGFlow 知识库搭建的全流程。通过本方案，用户可在本地环境中构建完整的私有化知识库问答系统，兼顾性能与数据隐私。

---

 

 

 

参考来源：

原文链接：

https://blog.csdn.net/wxsgyf/article/details/146239984

https://blog.csdn.net/csdn122345/article/details/145746254

RAGFlow配置参数解释

RAGFlow ：

页面排名

AMD ：https://blog.csdn.net/qq_43077864/article/details/146925102