0x00 前言

RAGFlow‌是一種基于Retrieval-Augmented Generation（RAG）技術的開源引擎，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)與先進的生成式模型相結合，從而在回答查詢時既能利用海量數(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‌。

之前構建好deepseek:R1后嘗試通過插件page assist、AnythingLLM、Anaconda構建的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用自己的本地模型聯(lián)動或互聯(lián)網(wǎng)API，近期了解到ragflow可用來構建本地知識助手，由此我進行嘗試，將學習過程記錄于此。

0x01 環(huán)境準備

基礎環(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)’、‘虛擬機平臺’的勾選。

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

wsl驗證，通過wsl --version查看是否已支持。

docker加速環(huán)境配置，如不配置拉取時會提示：https://registry-1.docker.io/v2/ 請求超時，在docker設置中，docker engine中添加，結構如下（多地址用英文,隔開）：

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

ragflow 到github下載項目文件，將文件解壓到空間充足目錄。

進入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，我感覺這次是成了，完成后檢查服務運行狀態(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 ,隨意注冊一個賬號即可登錄。進入后聯(lián)動自己的模型，就可以開始探索了。

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

最新評論