推荐语
RAGFlow本地化部署全指南,助力提升Dify知识库性能。
核心内容:
1. 从Dify到RAGFlow的转变原因
2. RAGFlow的下载与配置修改步骤
3. Docker部署RAGFlow的具体操作指导
杨芳贤
53A创始人/腾讯云(TVP)最具价值专家
之前一直在使用Dify,虽然我觉得很好用,但是对于Dify的知识库,确实有一点点不满意,简单的使用还行,稍微复杂点的就跟不上节奏了,之前我就说过Dify可以外接RAGFlow作为外部知识库使用,所以今天我们就来聊聊如何本地化部署RAGFlow。
有条件的小伙伴可以直接去github上获取ragflow的源代码,这里就不多说,文末我也会给大家提供当前版本(0.17.0)的下载文件。在解压后的ragflow文件夹中,我们进入docker文件夹,找到到配置文件.env,打开该文件然后搜索下面这一行: RAGFLOW_IMAGE=swr.cn-north-4.myhuaweicloud.com/infiniflow/ragflow:nightly
默认是注释掉的,我们把这一行的注释去掉,这是huawei的镜像源,如果不去掉注释,可能不是完整的ragflow以防默认端口冲突,我们可以调整RAGFlow的端口映射,默认的是80,我们调整为8888。我们在ragflow/docker/docker-compose.yml文件中找到ports字段,然后修改其中的端口映射,将80:80改为8888:80,443:443改为8443:443。我们启动cmd,然后跳转到ragflow中的docker文件夹,命令如下:cd /d d:\webapp\ragflow\docker
docker compose -f docker-compose.yml up -d
这部分会比较耗时,我这边就截图两张,开始和结束,中间下载的东西比较多。等到全部显示running就说明镜像依赖全部拉取成功。然后可以使用命令,查看服务状态,命令如下,上图也显示了:docker logs -f ragflow-server
在浏览器输入:http://localohost:8888/login即可进入RAGFlow的登录页面,点击注册后,填写任意邮箱和密码,会提示注册成功,然后点击“登录”按钮即可。进入系统后,默认是英文系统,可以在右上角选择语言更改为中文:到这儿我们就完成了部署,下面我们先进行模型设置。点击右上角头像,进入设置页面,选择模型提供商选项,就可以看到内置的模型供应商列表:找到我们需要添加的模型,点击添加模型,会弹出添加LLM弹框:按照要求填写对应的信息,点击确定即可添加模型,我这里添加了DeepSeek-R1和V3模型:到这儿,我们就基本完成了RAGFlow的本地化部署,并设置好了火山引擎提供的DeepSeek大模型。!