RAGFlow安装，dify对接RAGFlow

一、概述

RAGFlow是一种融合了数据检索与生成式模型的新型系统架构，其核心思想在于将大规模检索系统与先进的生成式模型（如Transformer、GPT系列）相结合，从而在回答查询时既能利用海量数据的知识库，又能生成符合上下文语义的自然语言回复。该系统主要包含两个关键模块：数据检索模块和生成模块。数据检索模块负责在海量数据中快速定位相关信息，而生成模块则基于检索结果生成高质量的回答或文本内容。

在实际应用中，RAGFlow能够在客户服务、问答系统、智能搜索、内容推荐等领域发挥重要作用，通过检索与生成的双重保障，显著提升系统的响应速度和准确性。

二、docker方式安装

注意事项

注意：默认情况下，dify不能和ragflow放到同一台服务器，因为redis环境变量会出现冲突！
RAGFlow解析文件时，会出现报错：AssertionError("Can't access Redis, Please check the Redis' status.")

如果资源有限，只有一台服务器，也可以解决，需要docker-compose增加-p参数。

-p 参数的作用

命名隔离：
- 使用不同的项目名称可以避免不同项目之间的容器、网络和卷的命名冲突。
- 例如，如果你有两个项目分别使用 docker-compose，它们的容器名称可能会冲突。通过指定不同的项目名称，可以确保它们的资源（如容器、网络、卷）是独立的。
管理方便：
- 通过指定项目名称，可以更方便地管理和操作特定的项目，而不会影响其他项目。

停止dify，进入dify的docker，使用命令：

docker-compose down

增加-p参数指定dify

docker-compose -p dify up -d

正式安装RAGFlow

官方文档：https://ragflow.io/docs/dev/

cd /opt/
git clone https://github.com/infiniflow/ragflow.git
cd ragflow/docker
git checkout -f v0.17.2

由于服务器80端口冲突，需要修改docker-compose.yml

ports:
      - ${SVR_HTTP_PORT}:9380
      - 8081:80
      - 8443:443

指定-p参数，启动

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

访问页面http://192.168.32.14:8081/

点击注册

输入账号信息

注意：这里注册的就是管理员账户。

登录成功之后，效果如下：

点击右上角头像，设置模型提供商。这里设置的通义千问

点击系统模型设置

选择默认的模型

三、创建知识库

回到首页，点击创建知识库，输入名字：半期考试成绩

点击新增文件，选择excel文件

点击右边的设置按钮-->切片方法

切换方法通用，勾选表格转html

点击解析按钮

等待一会，就会提示解析成功

点击excel文件名，就可以看到数据了

检索测试，输入测试文本：张三的语文成绩是多少？

回答结果不是很满意，这里返回了所有人的语文成绩。

因为问题包含了语文，他是做了相似度处理，所以返回了所有人的语文成绩。

接下来，我们会结合dify，回答最准确的答案。

四、dify对接RAGFlow

进入RAGFlow，点击右上角头像-->API-->API KEY

显示新密钥为：ragflow-hm***

登录dify，点击知识库-->外部知识库API

添加外部知识库api

编辑外部知识库API

Name: RAGFlow-test

API Endpoint：http://192.168.32.14:8081/api/v1/dify

API Key：ragflow-hm***

参数说明：

Name名称可以随便写，没有要求

API Endpoint的格式为：RAGFlow访问地址+/api/v1/dify

API Key：RAGFlow的api key

打开RAGFlow的知识库

会跳转链接到：http://192.168.32.14:8081/knowledge/dataset?id=c12e71e2057911f0b1d00242c0a8f006

url后面的id，就是知识库的id

登录到dify，创建知识库-->连接外部知识库

外部知识库名称，这个可以随便写

外部知识库api，选择RAGFlow-test

外部知识库id，就是RAGFlow对应的知识库id

Top k设置为10，可以调大一些

添加成功后，进入知识库-->召回测试

张三的语文成绩是多少？

右边能显示结果，说明api对接成功

在dify工作流中，就可以选择外部知识库了

创建一个聊天应用，test-chat-rag

提示词：

###角色
你是聊天助手，根据用户输入，优先检索知识库的详细内容。

###输入
知识库内容从上下文中获取。

###检索要求
如获取到的知识库内容与问题相关时，请汇总知识库详细内容再回答，如含有表格，输出表格的内容，不要带有html代码。

上下文选择外部知识库rag-test，效果如下：

选择模型-->发布-->运行

测试询问成绩