0x00 前言

RAGFlow‌是一種基于Retrieval-Augmented Generation（RAG）技術(shù)的開源引擎，旨在通過融合數(shù)據(jù)檢索和生成式模型，提升大型語言模型（LLM）的回答準(zhǔn)確性和效率。RAGFlow的核心思想是將大規(guī)模檢索系統(tǒng)與先進(jìn)的生成式模型相結(jié)合，從而在回答查詢時(shí)既能利用海量數(shù)據(jù)的知識庫，又能生成符合上下文語義的自然語言回復(fù)‌。

之前構(gòu)建好deepseek:R1后嘗試通過插件page assist、AnythingLLM、Anaconda構(gòu)建的open webui管理，后嘗試了其他插件工具chatbox，此工具里集成了一些常用對答模塊配合調(diào)用自己的本地模型聯(lián)動(dòng)或互聯(lián)網(wǎng)API，近期了解到ragflow可用來構(gòu)建本地知識助手，由此我進(jìn)行嘗試，將學(xué)習(xí)過程記錄于此。

0x01 環(huán)境準(zhǔn)備

基礎(chǔ)環(huán)境要求：

CPU >= 4 核

RAM >= 16 GB

Disk >= 50 GB

Docker >= 24.0.0 & Docker Compose >= v2.26.1

docker 到官方網(wǎng)站下載，Download Docker Desktop選擇自己系統(tǒng)對應(yīng)的版本。安裝后通過powershell檢查已安裝軟件版本，docker -v 和docker-compose -v 。

虛擬化支持：BIOS中啟用Inter VT-x 或 AMD-V，Win10系統(tǒng)中，windows功能中啟用‘Hyper-V’、‘容器’、‘適用于Linux的Windows子系統(tǒng)’、‘虛擬機(jī)平臺’的勾選。

我先前遇到安裝不成功的情況是在一個(gè)Debian的Linux發(fā)行版系統(tǒng)內(nèi)docker-compose版本是v1.xx.x，導(dǎo)致安裝ragflow過程出現(xiàn)問題。

wsl驗(yàn)證，通過wsl --version查看是否已支持。

docker加速環(huán)境配置，如不配置拉取時(shí)會提示：https://registry-1.docker.io/v2/ 請求超時(shí)，在docker設(shè)置中，docker engine中添加，結(jié)構(gòu)如下（多地址用英文,隔開）：

{
"registry-mirrors": [
"https://dockerproxy.com",
"https://mirror.baidubce.com"
]
}

ragflow 到github下載項(xiàng)目文件，將文件解壓到空間充足目錄。

進(jìn)入ragflow/docker目錄編輯.env文件，找到RAGFLOW_IMAGE字段修改源，版本按最新的版本獲取。（后面可以看出是獲取的v0.17.0完整版）

RAGFLOW_IMAGE=swr.cn-north-4.myhuaweicloud.com/infiniflow/ragflow:nightly

華為云鏡像名：swr.cn-north-4.myhuaweicloud.com/infiniflow/ragflow

阿里云鏡像名：registry.cn-hangzhou.aliyuncs.com/infiniflow/ragflow

0x02 ragflow安裝

使用docker compose部署

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

查看官方對鏡像大小的介紹，看到拉取ragflow文件大小約9G+時(shí)，我感覺這次是成了，完成后檢查服務(wù)運(yùn)行狀態(tài)‘docker logs -f ragflow-server’ logo畫面和本地監(jiān)聽80端口。

0x03 ragflow使用

瀏覽器訪問localhost:80 ,隨意注冊一個(gè)賬號即可登錄。進(jìn)入后聯(lián)動(dòng)自己的模型，就可以開始探索了。

到此這篇關(guān)于Win10系統(tǒng)使用docker部署ragflow的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)docker部署ragflow內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論