RAGFlow（了解即可，效果不如Dify）

环境准备

1.下载ollama平台
ollama是一个用于本地运行和管理大语言模型(LLM)的工具。通过olama将DeepSeek模型下载到本地运行;

参照Dify

环境变量配置

由于RAGFlow是通过Docker部署的（在虚拟机里），而Ollama 是运行在本地电脑的，得让RAGFlow能访问Ollama 的服务。所以需要进行如下环境变量配置：

• OLLAMA_HOST - 0.0.0.0:11434（0.0.0.0相当于在所有 IPv4 和 IPv6 地址上监听）
  作用:让虚拟机里的RAGFlow能够访问到本机上的 Ollama;
• 如果配置后虚拟机无法访问，可能是你的本机防火墙拦截了端口11434;
• 不想直接暴露 11434 端口:SSH 端口转发来实现;

OLLAMA_MODELS-自定义位置

• 作用:ollama 默认会把模型下载到C盘，如果希望下载到其他盘需要进行配置;如：D:\data\ollamamodel

更新完两个环境变量记得重启电脑;

3.通过ollama下载模型deepseek-r1:1.5b

ollama run deepseek-r1:1.5b;

 

下载RAGflow源代码和Docker（参照Dify），通过Docker来本地部署RAGflow;

下载解压之后，修改配置文件，因为根据官方文档：https://github.com/infiniflow/ragflow/blob/main/README_zh.md说明，docker默认下载的是轻量版，不包含embedding模型，后续我们还要单独再去下载，很是麻烦，所以需要去配置文件按照官方文档修改配置，来现在完整版

配置完成后就可以在RagFlow的源码解压目录，执行doker命令安装RAGFlow了：

docker compose -f docker-compose.yml up -d

通过doker启动RAGFlow：

docker compose -f docker-compose.yml up -d

 停止所有容器运行：

docker compose -f docker/docker-compose.yml down -v

启动报错：

解决方案：

去这两个配置文件把端口改掉：

启动成功后，在浏览器输入localhost，即可访问：

http://localhost/login

登录即可：

1967610524@qq.com

qwe123!@#

RAGflow的配置

中文简体

模型配置

将上面通过ollama安装的deepseek添加进来：

首先在命令窗口使用ollama list查看所有的已安装的模型：

复制模型完整名称：deepseek-r1:1.5b

添加模型：

添加模型如果报错，请参考：https://blog.csdn.net/yuanjinshenglife/article/details/146166276，不过我完全按照此博客操作也照样报错：

最后，我是点击了最下面的“Vision”之后，自己就好了：

RAGflow的应用

在RAGflow中构建个人知识库并实现基于个人知识库的对话问答;

创建知识库

相关配置：

创建聊天

 

配置知识库

测试

不耐疲劳，口燥、咽干可能是哪些证候？

 

结论：

效果很一般，了解即可

只想迅速搭建个人知识库，可以不本地部署大模型吗?

当然可以!这样实现起来更简单，而且效果一般来说会更好;

具体步骤:

1. 下载RAGFlow源代码和docker，通过docker本地部署RAGFoW(RAGFlow目前没有官方的网页版);
2. 在RAGFlow中配置任意的Chat模型和Embedding模型(你需要到这些模型对应的官网去付费申请apiKey);

优点:

• 不用本地部署大模型，简单易操作;企业大模型性能一般更优越;

缺点:

• 隐私安全问题;
• 调用企业大模型API的成本: