ragflow知识库搭建全流程

RAGFlow知识库搭建全流程——小白也能上手的保姆级教程

你是不是也这样？电脑里堆满了PDF、Word、网页收藏，真正要用的时候翻半天找不到。想做个AI知识库，一看教程全是代码，头都大了。别慌，今天手把手教你用RAGFlow搭建自己的本地知识库，全程30分钟，不需要你会写代码！

一、什么是RAGFlow？为什么要搭建自己的知识库？

先说说RAGFlow是什么。简单讲，它是一个开源的知识库搭建工具，能把你电脑里的各种文档（PDF、Word、TXT、Markdown等等）导入进去，然后你就可以像跟ChatGPT聊天一样，问它文档里的内容。

举个例子：你导入了公司的员工手册，以后想知道"年假怎么休"，直接问一句，它就能从手册里找到答案并告诉你，还会标注出答案出自哪一页。

这就是RAG（检索增强生成）技术——大模型不直接瞎编，而是先在你的文档库里"翻书"，找到相关内容，再结合大模型的理解能力给你回答。这样既保证了答案的准确性，又不会产生幻觉。

更重要的是，所有数据都存在你自己的电脑上，不上传云端，隐私安全有保障。

二、准备工作：硬件、软件与模型

开始之前，先检查一下你的电脑够不够格。

1、硬件要求与系统支持

• 内存：建议16GB以上（8GB也能跑，但会有点吃力）
• 硬盘：预留至少20GB空间
• 系统：Windows、macOS、Linux都支持

放心，普通家用电脑完全够用。

2、Docker环境安装

RAGFlow是基于Docker部署的，所以先得装上Docker。别被"Docker"这个词吓到，你可以把它理解成一个"应用商店"，RAGFlow就是商店里的一个应用。

Windows用户：
去Docker官网下载Docker Desktop，双击安装，一路下一步就行。安装完后重启电脑，桌面上会出现一个鲸鱼图标，打开它，等左下角显示绿色就说明好了。

Mac用户：
同样去官网下载Docker Desktop，拖进Applications文件夹，打开后等顶部菜单栏的鲸鱼图标变绿。

Linux用户：
打开终端，执行：sudo apt install docker.io docker-compose（Ubuntu为例）

3、获取大模型

RAGFlow本身不包含大模型，你需要准备一个。推荐用Ollama来管理模型，它就像一个"模型管家"，下载和运行模型都很简单。

去Ollama官网下载安装，装好后打开终端，执行：

ollama pull deepseek-r1:7b

这条命令会下载DeepSeek的7B模型，大概4GB左右，等它下完就行。如果你电脑配置一般，也可以下载更小的模型，比如qwen2:1.5b。

三、RAGFlow部署：三步搞定

这一步最核心，跟着我来，不会有问题。

1、拉取项目代码

打开终端（Windows叫命令提示符或PowerShell），执行：

git clone https://github.com/infiniflow/ragflow.git
cd ragflow

如果你电脑上没有Git，直接去RAGFlow的GitHub页面点击"Download ZIP"下载压缩包解压也行。

2、修改配置文件（可选）

用记事本打开docker-compose.yml文件，找到端口映射那几行。默认是80:80，如果你电脑上80端口已被占用，可以改成8080:80，这样之后访问就用http://localhost:8080。

3、启动容器服务

在ragflow目录下执行：

docker compose up -d

第一次启动会下载镜像，大概需要几分钟到十几分钟，取决于你的网速。看到终端里出现"done"字样就说明启动成功了。

打开浏览器，访问http://localhost（如果你改了端口就是http://localhost:8080），能看到登录界面，说明部署成功！

四、创建你的第一个知识库

1、登录RAGFlow管理界面

默认账号密码是admin/admin，登录后记得改密码。界面是中文的，非常友好。

2、接入大模型

进入"设置"→"模型提供商"，点击"添加模型"。选择Ollama，填入你本地Ollama服务的地址（一般是http://localhost:11434），然后在模型列表里选择你刚才下载的deepseek-r1:7b。

同样的方式，再添加一个Embedding模型（向量化模型），推荐用bge-m3或bge-large-zh，这些都是免费的开源模型。

3、上传文档并创建知识库

回到首页，点击"创建知识库"，给它起个名字，比如"我的工作资料"。然后点击"上传文档"，把你电脑里的PDF、Word、TXT文件拖进去就行。

RAGFlow支持多种格式：PDF（含扫描件）、DOCX、PPTX、Excel、Markdown、TXT、图片等等，基本覆盖了日常所有文件类型。

4、设置解析参数

上传完文档后，需要设置"解析器"。这个简单理解就是告诉系统"怎么读你的文档"：

• General：通用模式，适合大多数文档
• QA：如果你的文档是问答格式，选这个效果更好
• Manual：适合说明书、操作手册类文档

切片大小一般用默认的就行，不用改。

点击"开始解析"，等进度条走完，你的知识库就建好了。

五、测试效果：让AI回答你文档里的问题

1、创建对话应用

在左侧菜单找到"对话"或"应用"，点击"创建应用"。给应用起个名字，然后在"知识库"一栏勾选你刚才创建的知识库，模型选择你接入的DeepSeek模型。

2、提问测试

现在你就可以在对话框里提问了。比如你上传了员工手册，就问："请病假需要什么手续？"

系统会先在你的文档里检索相关内容，然后生成回答。注意看回答下方，会有引用标注，点一下就能跳转到原文对应的位置，非常方便。

试试问几个你真正关心的问题，感受一下效果。如果回答准确率不高，别急，下一节有优化方法。

六、进阶技巧与避坑指南

1、切片大小怎么调？

切片大小直接影响检索效果。切得太小，可能丢失上下文；切得太大，检索精度下降。

一般建议：技术文档用512-1024字符，新闻文章用256-512字符。你可以在知识库设置里调整，多试几次找到最适合你文档的数值。

2、选什么Embedding模型？

Embedding模型决定了"AI理解你文档的能力"。推荐几个：

• BGE-M3：BAAI出品，中英文都好用
• BGE-large-zh：中文场景首选
• text2vec-large-chinese：中文效果好

这些都可以通过Ollama一键下载，不用折腾。

3、常见报错怎么办？

"端口被占用"：改docker-compose.yml里的端口号，比如改成8080。

"Ollama连接不上"：检查Ollama服务是否在运行，终端执行ollama list看看。

"解析失败"：换一种解析器试试，或者检查文档是否损坏。

"回答不准确"：先确认你的文档里确实有相关内容，再调整切片大小或换Embedding模型。

七、总结：你的私人知识管家已上线

到这里，你的RAGFlow本地知识库已经搭建完成了。回顾一下整个流程：

1. 装好Docker和Ollama
2. 用Docker启动RAGFlow
3. 接入大模型
4. 上传文档创建知识库
5. 开始提问

整个过程不需要写一行代码，全部通过界面操作。以后不管是工作文档、学习资料还是个人笔记，都可以交给RAGFlow来管理。想查什么就问什么，比翻文件夹效率高太多了。

当然，如果你不想折腾Docker这些环境配置，也可以试试像AI材料柜这类开箱即用的工具，导入文档就能直接用，同样支持本地存储，更省心一些。

如果你在搭建过程中遇到问题，欢迎在评论区留言。也别忘了把这篇教程收藏起来，说不定哪天就用上了！