支持私有云部署
AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


Ragflow技术栈分析及二次开发指南

发布日期:2025-03-28 06:44:02 浏览次数: 1644 来源:我有一计
推荐语

Ragflow技术栈深度解析与优化实践,助力团队化部署大模型+RAG。

核心内容:
1. Ragflow现存问题及其解决方案
2. Ragflow开源协议详解
3. 容器组件与前后端框架的技术剖析

杨芳贤
53A创始人/腾讯云(TVP)最具价值专家

Ragflow是目前团队化部署大模型+RAG的优质方案,不过其仍不适合直接部署使用,本文将从实际使用的角度,对其进行二次开发。

1. Ragflow 存在问题

Ragflow 开源仓库地址:https://github.com/infiniflow/ragflowRagflow 当前版本: v0.17.0

Ragflow 目前主要存在以下问题:

  1. 登录页开放注册
    当前版本,在login页面,用户可直接进行注册,在小规模私有化部署中,开放注册接口,易对用户产生困扰,甚至存在被频繁调用攻击的风险。

  2. 知识库共享问题
    当前版本,团队成员进行知识库共享需要知识库的创建者邀请其它成员进团队,发出邀请时,需要其它成员点击接受才行,较为繁琐。

  3. 模型设置问题
    当前版本,所有团队成员的模型设置是独立的,如需共用同一套模型配置,需要每个用户单独进行设置,不利于团队化协作。

  4. 可视化管理
    当前版本,未存在超级管理员的后台界面,无法直观的对用户账户进行可视化管理。

本文将围绕以上四点问题,对Ragflow进行二次开发解决。

2. 开源协议

Ragflow采用的是较为宽松的Apache License 2.0 ,这意味着其允许进行二次开发和商用,且修改后可无需开源。

3. 技术栈分析

3.1 容器组件分析

通过docker启动该服务时,docker-compose-base.yml包含了部分基础配置参数,可以看到整个服务共包含5个容器组件:

services:
  es01:
    container_name: ragflow-es-01
  infinity:
    container_name: ragflow-infinity
  mysql:
    container_name: ragflow-mysql
  minio:
    container_name: ragflow-minio
  redis:
    container_name: ragflow-redis

各组件功能如下:

  1. Elasticsearch
    主要用作文档引擎,负责存储和检索文本及向量数据,作为系统的知识库存储后端,用以支持向量存储和相似度搜索

  2. ragflow-infinity
    前端系统,包含基本的界面显示、数据交互、路由跳转等功能

  3. MySQL
    关系型数据库,存储系统的结构化数据,包括管理用户账户、权限等基础信息、存储知识库的元数据信息等

  4. MinIO
    对象存储服务,用于存储原始文档及文档切片图像信息

  5. Redis
    内存数据库, 采用Valkey版本,缓存大模型的响应结果,处理异步任务,临时保存对话上下文

3.2 前后端框架分析

该系统前端框架使用React+Typescript,代码统一在web文件夹。 后端框架使用Flask+Python,代码分好几部分,具体内容如下:

  • agent:对应前端agent相关模块功能
  • agentic_reasoning:对应前端搜索相关模块功能
  • api:核心后端程序,用来与前端进行数据对接,并提供后端服务和其它各组件连接及数据交互功能
  • deepdoc:提供文件ocr等解析相关功能
  • graphrag:知识图谱相关功能
  • rag:主要用以和大模型相关接口进行交互
  • sdk:拓展型功能,用来提供系统的外部调用,目前不太完善,可忽略。

3.3 前后端可视化分析

3.3.1 前端可视化分析

前端代码全部集成在web文件夹下,因此可直接在web路径下直接启动查看。

先安装依赖:

yarn instsall 

依赖安装完成,生成node_modules再启动:

yarn start

访问http://localhost:9222 即可进入登录界面。

考虑到登录需要和后端交互,密码验证通过后,才能进入主界面。如需直接进入主界面预览,可修改web/src/utils/request.ts: 这里的逻辑是:本来响应结果为504,弹出error,这里直接改成成功响应。

request.interceptors.response.use(async (response: Response, options) => {
  if (response?.status === 413 || response?.status === 504) {
    // 原代码
    // message.error(RetcodeMessage[response?.status as ResultCode]);
    // 修改
    return new Response(JSON.stringify({
      code: 0,
      message: 'Success',
      data: {}
    }));
  }

3.3.2 mysql可视化分析

下面再可视化查看其它组件信息,在docker/.env文件中,包含了各组件的密码。

启动docker服务,首先查看mysql数据库信息。

使用DBeaver进行连接,连接参数如下,默认用户名为root,密码为infini_rag_flow

可以看到,该数据库中包含多张数据表,后续在解决实际问题时,会进一步分析。

3.3.3 Elasticsearch可视化分析

Elasticsearch需要通过Kibana进行可视化分析。虽然.env文件中写了Kibana的初始用户名和密码,但实际服务中,并未启用Kibana。看到仓库中有人提出过该问题,具体可参考该pr:https://github.com/infiniflow/ragflow/pull/548/files

3.3.4 MinIO可视化分析

MinIO自带了可视化管理的控制台,访问http://localhost:9001/即可进入,默认用户名为rag_flow,默认密码为infini_rag_flow

进入可看见,里面的容器包含了原始上传的pdf文件和切块分页的图像数据。

3.3.5 Redis可视化分析

使用Rdis insight连接Redis数据库,默认地址为127.0.0.1:6379,默认用户名为default,默认密码为infini_rag_flow

进入可看见,里面存储了一些缓存数据。

4. 问题解决方法

分析完了,开始解决开头提到的一些具体问题。

4.1 关闭注册通道

关闭注册通道,可直接将前端界面上的注册元素注释掉。

具体方法是修改src\pages\login\index.tsx文件,注释掉以下内容:

{ <div>
    {title === 'login' && (
    <div>
        {t('signInTip')}
        <Button type="link" onClick={changeTitle}>
        {t('signUp')}
        </Button>
    </
div>
    )}
    {title === 'register' && (
    <div>
        {t('signUpTip')}
        <Button type="link" onClick={changeTitle}>
        {t('login')}
        </Button>
    </
div>
    )}
</div>}

这样修改,用户直接通过浏览器访问/register也是无法注册的,因为注册功能并不是一个单独界面,而是在login中,post到后端进行处理。

4.2 后台添加用户

阻止用户自己注册之后,管理员还需要为用户进行注册。可直接采用修改数据库内容的方式进行实现。

连接mysql数据库,用户信息存储在user表中。该表包含以下字段,核心字段是emailpassword

email比较容易理解,存储的就是登陆明文邮箱,但密码是哈希字符串,为了防止被人攻击泄露,不能存储明文密码,因此,要解决注册问题,首先需要理清楚密码的加密逻辑。

通过仔细阅读源代码,我理清楚了注册阶段,密码的加密存储过程: 首先,前端获取到用户原始输入密码后,先进行Base64编码,防止特殊字符造成解析失败,编码后利用公钥进行RSA加密; 后端接收到加密密码后,利用私钥进行RSA解密,最后通过Hash处理,存储到数据库。

A[原始密码] --> B[前端Base64编码] --> C[RSA加密] --> D[后端RSA解密] --> E[hash存储]

为了让这个过程更容易理解,我写了个python代码,模拟了该过程,其中,私钥数据可以在文件中找到,路径为 conf/private.pem

import base64
from Cryptodome.PublicKey import RSA
from Cryptodome.Cipher import PKCS1_v1_5
from werkzeug.security import generate_password_hash, check_password_hash


def rsa_decrypt(encrypted_password: str, private_key_path: str, passphrase: str) -> str:
    # 从文件中读取私钥
    with open(private_key_path, "r"as key_file:
        private_key = key_file.read()
    # 导入私钥
    rsa_key = RSA.importKey(private_key, passphrase=passphrase)
    cipher = PKCS1_v1_5.new(rsa_key)
    # Base64 解码加密数据
    encrypted_data = base64.b64decode(encrypted_password)

    # 解密数据
    decrypted_data = cipher.decrypt(encrypted_data, "Fail to decrypt password!")

    # Base64 解码解密后的数据
    return base64.b64decode(decrypted_data).decode('utf-8')


def rsa_psw(password: str) -> str:
    # 公钥
    pub_key = """-----BEGIN PUBLIC KEY-----
    MIIBIjANBgkqhkiG9w0BAQEFAAOCAQ8AMIIBCgKCAQEArq9XTUSeYr2+N1h3Afl/z8Dse/2yD0ZGrKwx+EEEcdsBLca9Ynmx3nIB5obmLlSfmskLpBo0UACBmB5rEjBp2Q2f3AG3Hjd4B+gNCG6BDaawuDlgANIhGnaTLrIqWrrcm4EMzJOnAOI1fgzJRsOOUEfaS318Eq9OVO3apEyCCt0lOQK6PuksduOjVxtltDav+guVAA068NrPYmRNabVKRNLJpL8w4D44sfth5RvZ3q9t+6RTArpEtc5sh5ChzvqPOzKGMXW83C95TxmXqpbK6olN4RevSfVjEAgCydH6HN6OhtOQEcnrU97r9H0iZOWwbw3pVrZiUkuRD1R56Wzs2wIDAQAB
    -----END PUBLIC KEY-----"""


    # 导入公钥
    rsa_key = RSA.import_key(pub_key)
    cipher = PKCS1_v1_5.new(rsa_key)

    # 对密码进行 Base64 编码
    password_base64 = base64.b64encode(password.encode('utf-8'))

    # 使用 RSA 公钥加密
    encrypted_data = cipher.encrypt(password_base64)

    # 对加密结果进行 Base64 编码并返回
    return base64.b64encode(encrypted_data).decode('utf-8')

if __name__ == "__main__":
    # 注册流程
    # 1. 获取到用户输入的密码
    password = "test"
    # 2. Base64编码
    base64_password = base64.b64encode(password.encode()).decode()
    print("Base64:", base64_password)
    # 3. RSA加密
    encrypted_password = rsa_psw(base64_password)
    print("RSA:", encrypted_password)
    # 4. 后端解密(使用private.pem)
    private_key_path = "private.pem"# 私钥文件路径
    passphrase = "Welcome"# 私钥的密码
    decrypted_password = rsa_decrypt(encrypted_password, private_key_path, passphrase)
    print("Decrypted:", decrypted_password)
    # 5. 生成最终的hash
    hash_password = generate_password_hash(decrypted_password)
    print("hash_password:", hash_password)
    # 登录验证匹配过程
    is_match = check_password_hash(hash_password, decrypted_password)
    print(is_match)

理解完这一过程之后,就可以通过python脚本插入一条用户数据:

import mysql.connector
import uuid
import base64
from datetime import datetime
from Cryptodome.PublicKey import RSA
from Cryptodome.Cipher import PKCS1_v1_5
from werkzeug.security import generate_password_hash


# 数据库连接配置
db_config = {
    "host""localhost",  # 数据库地址
    "port"5455,  # 数据库端口
    "user""root",       # 数据库用户名
    "password""infini_rag_flow",  # 数据库密码
    "database""rag_flow",  # 数据库名称
}

# 生成随机的 UUID 作为 id
def generate_uuid():
    return str(uuid.uuid4()).replace("-""")


def rsa_decrypt(encrypted_password: str, private_key_path: str, passphrase: str) -> str:
    # 从文件中读取私钥
    with open(private_key_path, "r"as key_file:
        private_key = key_file.read()
    # 导入私钥
    rsa_key = RSA.importKey(private_key, passphrase=passphrase)
    cipher = PKCS1_v1_5.new(rsa_key)
    # Base64 解码加密数据
    encrypted_data = base64.b64decode(encrypted_password)

    # 解密数据
    decrypted_data = cipher.decrypt(encrypted_data, "Fail to decrypt password!")

    # Base64 解码解密后的数据
    return base64.b64decode(decrypted_data).decode('utf-8')

def encrypt_password(raw_password: str) -> str:
    # 1. Base64编码
    base64_password = base64.b64encode(raw_password.encode()).decode()
    
    # 2. RSA加密
    encrypted_password = rsa_psw(base64_password)
    
    # 3. 后端解密(使用private.pem)
    private_key_path = "private.pem"# 私钥文件路径
    passphrase = "Welcome"# 私钥的密码
    decrypted_password = rsa_decrypt(encrypted_password, private_key_path, passphrase)
    
    # 4. 生成最终的hash
    return generate_password_hash(decrypted_password)

# RSA 加密密码
def rsa_psw(password: str) -> str:
    pub_key = """-----BEGIN PUBLIC KEY-----
    MIIBIjANBgkqhkiG9w0BAQEFAAOCAQ8AMIIBCgKCAQEArq9XTUSeYr2+N1h3Afl/z8Dse/2yD0ZGrKwx+EEEcdsBLca9Ynmx3nIB5obmLlSfmskLpBo0UACBmB5rEjBp2Q2f3AG3Hjd4B+gNCG6BDaawuDlgANIhGnaTLrIqWrrcm4EMzJOnAOI1fgzJRsOOUEfaS318Eq9OVO3apEyCCt0lOQK6PuksduOjVxtltDav+guVAA068NrPYmRNabVKRNLJpL8w4D44sfth5RvZ3q9t+6RTArpEtc5sh5ChzvqPOzKGMXW83C95TxmXqpbK6olN4RevSfVjEAgCydH6HN6OhtOQEcnrU97r9H0iZOWwbw3pVrZiUkuRD1R56Wzs2wIDAQAB
    -----END PUBLIC KEY-----"""


    rsa_key = RSA.import_key(pub_key)
    cipher = PKCS1_v1_5.new(rsa_key)
    encrypted_data = cipher.encrypt(base64.b64encode(password.encode()))
    return base64.b64encode(encrypted_data).decode()



if __name__ == '__main__':
    # 插入数据的 SQL 语句
    insert_query = """
    INSERT INTO user (
        id, create_time, create_date, update_time, update_date, access_token,
        nickname, password, email, avatar, language, color_schema, timezone,
        last_login_time, is_authenticated, is_active, is_anonymous, login_channel,
        status, is_superuser
    ) VALUES (
        %s, %s, %s, %s, %s, %s,
        %s, %s, %s, %s, %s, %s, %s,
        %s, %s, %s, %s, %s,
        %s, %s
    )
    """


    # 对密码进行加密
    raw_password = "123"# 原始密码
    hash_encrypted = encrypt_password(raw_password)

    # 学号
    student_id = "123456789"
    student_email = student_id + "@xidian.cn"

    # 数据值
    data = (
        generate_uuid(),  # id
        1741361741738,    # create_time
        datetime.strptime("2025-03-07 23:35:41""%Y-%m-%d %H:%M:%S"),  # create_date
        1741416354403,    # update_time
        datetime.strptime("2025-03-08 14:45:54""%Y-%m-%d %H:%M:%S"),  # update_date
        None,             # access_token (默认为空)
        student_id,          # nickname
        hash_encrypted,   # password
        student_email,  # email
        None,             # avatar (默认为空)
        "Chinese",        # language
        "Bright",         # color_schema
        "UTC+8 Asia/Shanghai",  # timezone
        datetime.strptime("2025-03-07 23:35:41""%Y-%m-%d %H:%M:%S"),  # last_login_time
        1,                # is_authenticated
        1,                # is_active
        0,                # is_anonymous
        "password",       # login_channel
        1,                # status
        0,                # is_superuser
    )

    # 连接数据库并插入数据
    try:
        # 建立数据库连接
        conn = mysql.connector.connect(**db_config)
        cursor = conn.cursor()

        # 执行插入操作
        cursor.execute(insert_query, data)
        conn.commit()  # 提交事务

        print("数据插入成功!")

    except mysql.connector.Error as err:
        print(f"数据库错误: {err}")

    finally:
        # 关闭连接
        if conn.is_connected():
            cursor.close()
            conn.close()
            print("数据库连接已关闭。")

注:这段代码实际上,可以再进行优化,获取到密码后,未涉及前后端传输,可以直接将base64编码的密码进行哈希操作,而省略RSA步骤。

4.3 设置用户模型

添加完用户,下面要设置用户模型配置。 模型配置涉及到tenanttenant_llm两张数据表。

tenant记录了每个用户的模型配置,对应前端界面如下:

tenant_llm记录了每个模型的基本信息,对应前端界面如下:

具体插入操作,后续将和用户团队表格一块进行更新。

4.4 设置用户团队

用户团队涉及的表格名为user_tenant。 设置用户团队需要插入两条记录,首先,用户自己注册时,单独有一个自己的团队,这样方便用户可以后续再组小团体。其次,需要将新用户的团队记录插入到老用户底下。

结合4.2、4.3、4.4的内容,一次性批量插入用户的脚本如下:

import mysql.connector
import uuid
import base64
import json
from datetime import datetime
from Cryptodome.PublicKey import RSA
from Cryptodome.Cipher import PKCS1_v1_5
from werkzeug.security import generate_password_hash

# 数据库连接配置
db_config = {
    "host""localhost",
    "port"5455,
    "user""root",
    "password""infini_rag_flow",
    "database""rag_flow",
}

# 生成随机的 UUID 作为 id
def generate_uuid():
    return str(uuid.uuid4()).replace("-""")

# RSA 加密密码
def rsa_psw(password: str) -> str:
    pub_key = """-----BEGIN PUBLIC KEY-----
    MIIBIjANBgkqhkiG9w0BAQEFAAOCAQ8AMIIBCgKCAQEArq9XTUSeYr2+N1h3Afl/z8Dse/2yD0ZGrKwx+EEEcdsBLca9Ynmx3nIB5obmLlSfmskLpBo0UACBmB5rEjBp2Q2f3AG3Hjd4B+gNCG6BDaawuDlgANIhGnaTLrIqWrrcm4EMzJOnAOI1fgzJRsOOUEfaS318Eq9OVO3apEyCCt0lOQK6PuksduOjVxtltDav+guVAA068NrPYmRNabVKRNLJpL8w4D44sfth5RvZ3q9t+6RTArpEtc5sh5ChzvqPOzKGMXW83C95TxmXqpbK6olN4RevSfVjEAgCydH6HN6OhtOQEcnrU97r9H0iZOWwbw3pVrZiUkuRD1R56Wzs2wIDAQAB
    -----END PUBLIC KEY-----"""


    rsa_key = RSA.import_key(pub_key)
    cipher = PKCS1_v1_5.new(rsa_key)
    encrypted_data = cipher.encrypt(base64.b64encode(password.encode()))
    return base64.b64encode(encrypted_data).decode()

# 加密密码
def encrypt_password(raw_password: str) -> str:
    base64_password = base64.b64encode(raw_password.encode()).decode()
    encrypted_password = rsa_psw(base64_password)
    return generate_password_hash(base64_password)

# 处理批量注册
def batch_register_students():
    # 从 JSON 文件加载学生数据
    with open("add.json""r", encoding="utf-8"as json_file:
        student_groups = json.load(json_file)

    try:
        # 建立数据库连接
        conn = mysql.connector.connect(**db_config)
        cursor = conn.cursor()

        for group in student_groups:
            tenant_id = group["tenant_id"]
            student_ids = group["student_id"]

            for student_id in student_ids:
                # 生成 ID 和时间戳
                user_id = generate_uuid()
                create_time = 1741361741738
                create_date = datetime.strptime("2025-03-07 23:35:41""%Y-%m-%d %H:%M:%S")
                update_time = 1741416354403
                update_date = datetime.strptime("2025-03-08 14:45:54""%Y-%m-%d %H:%M:%S")

                # 用户信息
                student_email = student_id + "@xidian.cn"
                raw_password = student_id
                hash_encrypted = encrypt_password(raw_password)

                # 插入 user 表数据
                user_insert_query = """
                INSERT INTO user (
                    id, create_time, create_date, update_time, update_date, access_token,
                    nickname, password, email, avatar, language, color_schema, timezone,
                    last_login_time, is_authenticated, is_active, is_anonymous, login_channel,
                    status, is_superuser
                ) VALUES (
                    %s, %s, %s, %s, %s, %s,
                    %s, %s, %s, %s, %s, %s, %s,
                    %s, %s, %s, %s, %s,
                    %s, %s
                )
                """

                user_data = (
                    user_id, create_time, create_date, update_time, update_date, None,
                    student_id, hash_encrypted, student_email, None"Chinese""Bright""UTC+8 Asia/Shanghai",
                    create_date, 110"password",
                    10
                )
                cursor.execute(user_insert_query, user_data)

                # 插入 tenant 表数据
                tenant_insert_query = """
                INSERT INTO tenant (
                    id, create_time, create_date, update_time, update_date, name,
                    public_key, llm_id, embd_id, asr_id, img2txt_id, rerank_id, tts_id,
                    parser_ids, credit, status
                ) VALUES (
                    %s, %s, %s, %s, %s, %s,
                    %s, %s, %s, %s, %s, %s, %s,
                    %s, %s, %s
                )
                """

                tenant_data = (
                    user_id, create_time, create_date, update_time, update_date, student_id + "'s Kingdom",
                    None"deepseek-r1:1.5b@Ollama""BAAI/bge-large-zh-v1.5@BAAI"""""""None,
                    "naive:General,qa:Q&A,resume:Resume,manual:Manual,table:Table,paper:Paper,book:Book,laws:Laws,presentation:Presentation,picture:Picture,one:One,audio:Audio,email:Email,tag:Tag",
                    5121
                )
                cursor.execute(tenant_insert_query, tenant_data)

                # 插入 user_tenant 表的第一条记录
                user_tenant_insert_query = """
                INSERT INTO user_tenant (
                    id, create_time, create_date, update_time, update_date, user_id,
                    tenant_id, role, invited_by, status
                ) VALUES (
                    %s, %s, %s, %s, %s, %s,
                    %s, %s, %s, %s
                )
                """

                user_tenant_data_owner = (
                    generate_uuid(), create_time, create_date, update_time, update_date, user_id,
                    user_id, "owner", user_id, 1
                )
                cursor.execute(user_tenant_insert_query, user_tenant_data_owner)

                # 插入 user_tenant 表的第二条记录
                user_tenant_data_normal = (
                    generate_uuid(), create_time, create_date, update_time, update_date, user_id,
                    tenant_id, "normal", tenant_id, 1
                )
                cursor.execute(user_tenant_insert_query, user_tenant_data_normal)

                # 插入 tenant_llm 表数据
                tenant_llm_insert_query = """
                INSERT INTO tenant_llm (
                    create_time, create_date, update_time, update_date, tenant_id,
                    llm_factory, model_type, llm_name, api_key, api_base, max_tokens, used_tokens
                ) VALUES (
                    %s, %s, %s, %s, %s,
                    %s, %s, %s, %s, %s, %s, %s
                )
                """

                tenant_llm_data = (
                    create_time, create_date, update_time, update_date, user_id,
                    "Ollama""chat""deepseek-r1:1.5b""xxxxxxxxxxxxxxx""http://10.195.140.47:11434"888888880
                )
                cursor.execute(tenant_llm_insert_query, tenant_llm_data)

        # 提交事务
        conn.commit()

        print("批量用户数据添加成功!")

    except mysql.connector.Error as err:
        print(f"数据库错误: {err}")

    finally:
        if conn.is_connected():
            cursor.close()
            conn.close()
            print("数据库连接已关闭。")


if __name__ == '__main__':
    batch_register_students()

这里我将需要插入的用户写在json文件中,格式示例如下:

[
    {
        "student_id": [
            "123456789",
            "1234567810"
        ],
        "tenant_id""d3de1596fb6911efa0f40242ac120006"
    }
]

student_id为需要插入的用户学号,密码默认和id一致,tenant_id对应的是团队队长的id,即需要共享数据库用户的id。代码中,模型名用的是deepseek-r1:1.5b型号的测试模型,如需配置其它型号,对应修改名称即可。

4.5 其它外观修改

主要问题已全部解决。最后,再进行一些外观上的调整。

1.移除Agent菜单
Agent目前比较复杂,也不实用。可以考虑移除。 具体修改方式是修改web\src\layouts\components\header\index.tsx,注释以下内容:

{ path: '/flow', name: t('flow'), icon: GraphIcon },

2.移除登陆页描述
登录页描述有点花哨,进行移除。 修改web\src\pages\login\right-panel.tsx,注释以下内容:

 <Text className={classNames(styles.pink, styles.loginDescription)}>
    {t('description')}
</Text>
<Flex align="center" gap={16}>
    <Avatars></Avatars>
    <Flex vertical>
    <Space>
        <Rate disabled defaultValue={5} />
        <span
        className={classNames(styles.white, styles.loginRateNumber)}
        >
        5.0
        </span>
    </Space>
    <span className={classNames(styles.pink, styles.loginRateReviews)}>
        {t('review')}
    </span>
    </Flex>
</Flex> }

3.修改用户默认头像
用户默认头像文件位置在web\src\layouts\components\user\index.tsx,可将https://zos.alipayobjects.com/rmsportal/jkjgkEfvpUPVyRjUImniVslZfWPnJuuZ.png修改为其它图像超链接,例如:https://picx.zhimg.com/v2-aaf12b68b54b8812e6b449e7368d30cf_l.jpg

5. 前端修改文件上传

对于前端修改的文件,在docker里修改也不会生效。

观察docker/nginx/ragflow.conf文件,不难发现,网页默认的访问的root路径为 /ragflow/web/dist

因此,需要让前端修改内容生效,需要先将web文件进行打包。

进入到web路径下,执行

npm run build

执行完之后,会在同级目录下生成dist文件。

进入到容器,删除容器中已有的/ragflow/web/dist文件

docker exec -it ragflow-server /bin/sh
rm -rf /ragflow/web/dist

将本地新生成的打包文件上传到容器:

docker cp dist ragflow-server:/ragflow/web/

重启容器,即可看到修改效果。

总结

作为高度团队协作的产品,ragflow用到的技术挺多。在此之前,我没接触过react和typescript,起初看起来有些费力。不过技术是相通的,慢慢看就能逐渐理解。这个系统代码规范性做的很好,即使拿来学习,也是一份不错的材料。


53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询