RagFlow+Deepseek构建个人知识库

注意，ragflow 镜像有多个不同的大小，默认的是v0.17.2-slim，区别如下，主要是包不包含embedding模型的区别，我选的默认的，因为占用小，并且我后续使用调用api的方式去配置embedding模型，所以就选，默认的。我们可以看到已经引用到上传的pdf了，点击引用的标识，可以看到引用的内容出自哪里。查看模型填入的名称，如果是直接下载的软件包安装的，打开终端输入以下命令查看。这里直

亲持红叶

1294人浏览 · 2025-03-13 23:14:22

亲持红叶 · 2025-03-13 23:14:22 发布

RagFlow+Deepseek构建个人知识库

RAGFlow的github地址

https://github.com/infiniflow/ragflow

部署RAGFlow

windows可以在WSL中操作，尽量跟着官方的步骤来，避免一些奇奇怪怪的错误
硬件先决条件
1. CPU >= 4 cores
2. RAM >= 16 GB
3. Disk >= 50 GB
4. Docker >= 24.0.0 & Docker Compose >= v2.26.1
使用下面的命令查看docker和docker-compose的版本是否满足
```
docker --version
docker-compose --version
```
确保vm.max_map_count >= 262144：

检查vm.max_map_count的值：
```
sysctl vm.max_map_count
```
如果不是，则将vm.max_map_count重置为至少 262144 的值。
```
sudo sysctl -w vm.max_map_count=262144
```
此更改将在系统重启后重置。永久更改的话要添加或者更新**/etc/sysctl.conf**中的vm.max_map_count值如下：
```
vm.max_map_count=262144
```
克隆仓库
```
git clone https://github.com/infiniflow/ragflow.git
```
克隆完成后会出现一个 ragflow文件夹

使用docker-compose启动

注意，ragflow 镜像有多个不同的大小，默认的是v0.17.2-slim，区别如下，主要是包不包含embedding模型的区别，我选的默认的，因为占用小，并且我后续使用调用api的方式去配置embedding模型，所以就选，默认的。

RAGFLow机械标签	镜像大小 (GB)	是否有嵌入模型	稳定版本？
v0.17.2	≈9	✔️	Stable release
v0.17.2-slim	≈2	❌	Stable release
nightly	≈9	✔️	Unstable nightly build
nightly-slim	≈2	❌	Unstable nightly build

如果希望使用v0.17.2，可以修改docker-compose.yml文件中的版本为v0.17.2即可

vim ragflow/docker/.env

cd ragflow/docker
docker compose -f docker-compose.yml up -d

第一次会先拉取镜像,完成后如下

服务启动并运行后检查服务的状态
```
docker logs -f ragflow-server
```
登录

在本机浏览器中登录

http://127.0.0.1:80

请先点击 SignUp 注册

登录后按如下步骤将语言更改为中文

记得点击右下角保存

配置系统模型

添加embedding模型

如果在上一步使用docker-compose启动中已经选择了带有embedding模型的镜像，这一步可以省略

这里直接调用硅基流动的api，下面的博客有注册的方法

https://editor.csdn.net/md/?articleId=145558234

然后在系统模型设置中将默认的嵌入模型选择为bgd-large-zh-v1.5
添加聊天模型

本地用ollama部署一个deepseekr1-1.5b的模型

https://editor.csdn.net/md/?articleId=146216662

查看模型填入的名称，如果是直接下载的软件包安装的，打开终端输入以下命令查看
```
ollama list
```
如果是docker部署的ollama先进入容器再查看,假设ollama容器名称就叫ollama
```
docker exec -it ollama /bin/bash
ollama_list
```
这个NAME下面的就是需要输入的名称

deepseek-r1:1.5b

如果ollama和ragflow都是docker部署的，那么这里的基础url填

http://host.docker.internal:11434

否则填

http://127.0.0.1:11434

配置好系统聊天模型

创建知识库并使用

先测试下聊天

聊天–>新建助理–>确定

问一下 凡人修仙传中韩立的宗门是哪里，没有知识库的deepseek回答错误
创建一个知识库，我们以凡人修仙传中韩立的相关资料为例子，先让怕kimi帮忙生成一个韩立的介绍

我们吧介绍保存为韩立介绍.pdf
创建知识库 凡人修仙传韩立

下拉到最下面直接点击保存

新增文件，将pdf上传并确定

点击解析，等待解析成功
使用知识库

新建助理，选择刚刚创建的知识库

现在我们可以使用这个知识库里面的内容了

我们可以看到已经引用到上传的pdf了，点击引用的标识，可以看到引用的内容出自哪里