第十六篇：本地部署RAGFlow（RAGFlow+DeepSeek实现RAG）

RAGFlow本地部署

前提条件

CPU >= 4 核
RAM >= 16 GB
Disk >= 50 GB
Docker >= 24.0.0 & Docker Compose >= v2.26.1

 

启动服务器

# 1.确保vm.max_map_count不小于262144
    sysctl vm.max_map_count  # 查看变量vm.max_map_count的值
    # 临时重置变量vm.max_map_count的值
        sudo sysctl -w vm.max_map_count=262144  
    # 永久重置变量vm.max_map_count的值
        修改/etc/sysctl.conf文件中vm.max_map_count的值

# 克隆仓库
    git clone https://github.com/infiniflow/ragflow.git

# 进入 docker 文件夹，利用提前编译好的 Docker 镜像启动服务器
    cd ragflow/docker
    # Use CPU for embedding and DeepDoc tasks:
        docker compose -f docker-compose.yml up -d
    # To use GPU to accelerate embedding and DeepDoc tasks:
        docker compose -f docker-compose-gpu.yml up -d

如果你遇到 Docker 镜像拉不下来的问题，可以在 docker/.env 文件内根据变量 RAGFLOW_IMAGE 的注
释提示选择华为云或者阿里云的相应镜像。
华为云镜像名： swr.cn-north-4.myhuaweicloud.com/infiniflow/ragflow
阿里云镜像名： registry.cn-hangzhou.aliyuncs.com/infiniflow/ragflow

服务器启动成功后再次确认服务器状态

docker logs -f ragflow-server

 

 

 

 

 

 

 

 

RAGFlow模型配置

RAGFlow里面的聊天是一个单独RAG应用（模型、embedding、知识库是绑定在一起的）

 

RAGFlow创建知识库

 

 

RAGFlow API调用