在某些情景下创建本地知识库有一些需求，现在以Deepseek R1与 RAGFlow搭档，组建一个本地企业级知识库。关于本地知识库和微调有一些区别，本地知识库操作起来更简单，但不如微调的效果好，成本比微调便宜。RAGFLow是一个可以构建知识库的应用，整体的流程是在docker中部署RAGFlow展开，配置嵌入模型，填加大语言模型，本地的ollama或者调用api，创建知识，再到具体应用。

一、Windows上安装Docker

💡 提示：Docker安装是基础步骤，如已安装可直接跳至第二部分。

1.1 检查WSL版本

# 以管理员身份打开PowerShell
wsl --version

如果打开不显示版本，就需要安装，如果像下面有版本号，说明本地已安装，直接跳到虚拟化那一步。

1.2 安装WSL

如显示WSL不存在，执行以下命令：

dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart

1.3 启用虚拟化功能

dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart

完成后必须重启电脑

1.4 下载WSL2更新包

访问微软官方网站下载WSL2内核更新包并安装。地址：

https://aka.ms/wlskernel

点红框内内核更新包，下载安装。

1.5 设置WSL2为默认版本

wsl --set-default-version 2
wsl --version

再次检查版本就能看到版本信息。

1.6 启用Hyper-V和虚拟化平台

1. 打开控制面板 → 程序 → 启用或关闭Windows功能
2. 勾选"Hyper-V"和"虚拟机平台"
3. 确定后重启电脑

1.7 安装Docker Desktop

1. 从Docker官网下载Docker Desktop for Windows
2. 双击安装包运行，按默认设置安装
3. 安装完成后重启电脑

1.8 配置Docker国内镜像

1. 打开Docker Desktop，点击右上角设置按钮
2. 找到Docker Engine选项
3. 在配置中添加以下内容（注意保留大括号）：

"registry-mirrors": [
    "https://registry.cn-hangzhou.aliyuncs.com",
    "https://mirror.baidubce.com",
    "https://docker.mirrors.ustc.edu.cn",
    "https://registry.docker-cn.com"
  ]

1. 点击Apply应用设置

二、RAGFlow部署

2.1 下载RAGFlow源码

从Github下载RAGFlow程序包:

git clone https://github.com/infiniflow/ragflow.git
cd ragflow/docker
docker compose -f docker-compose.yml up -d

2.2 启用专业版模式

使用VSCode或Cursor打开下载的程序包，进行以下修改：

1. 找到主配置文件（约第84行）
2. 注释掉轻量版配置行（加上#）
3. 取消注释专业版配置行（删除#）

# 修改前
# Defaults to the v0.17.2-slim edition, which is the RAGFlow Docker image without embedding models.
RAGFLOW_IMAGE=infiniflow/ragflow:v0.17.2-slim
#
# To download the RAGFlow Docker image with embedding models, uncomment the following line instead:
# RAGFLOW_IMAGE=infiniflow/ragflow:v0.17.2

# 修改后
# Defaults to the v0.17.2-slim edition, which is the RAGFlow Docker image without embedding models.
#RAGFLOW_IMAGE=infiniflow/ragflow:v0.17.2-slim
#
# To download the RAGFlow Docker image with embedding models, uncomment the following line instead:
RAGFLOW_IMAGE=infiniflow/ragflow:v0.17.2

2.3 修改端口（可选）

如果80端口被占用，可修改Docker配置文件中的端口：

1. 找到Docker目录下的docker-compose.yml文件
2. 找到RAGFlow服务部分
3. 将端口从"80:80"改为"8080:80"

2.4 启动RAGFlow服务

# 在项目根目录下执行
docker-compose up -d

虽然更换源了，下载时间也比较长，如果没有下载进度，再次更新源。

2.5 验证服务状态

docker ps

确认所有RAGFlow相关容器状态均为"Up"。

’ fill=‘%23FFFFFF’%3E%3Crect x=‘249’ y=‘126’ width=‘1’ height=‘1’%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)

2.6 访问RAGFlow网页

浏览器访问 http://localhost:80（如修改了端口则使用对应端口）。

注册登录。进入后在右上角切换成中文。

三、DeepSeek本地部署

3.1 安装Ollama

1. 从Ollama官网下载Windows版本
2. 双击安装包完成安装
3. 验证安装：

ollama --version

3.2 部署本地DeepSeek模型

ollama pull deepseek:7b

3.3 验证模型安装

ollama list

确认DeepSeek模型已在列表中。

四、RAGFlow配置与使用

4.1 配置嵌入模型

1. 点击个人设置 → 模型提供商
2. 点击系统模型设置
3. 嵌入模型选择"BGE Large"
4. 点击确定保存

4.2 添加大语言模型

添加本地Ollama模型：

1. 点击"添加模型" → 选择"Ollama"
2. 模型名称填写本地安装的模型名（如"deepseek:7b"）
3. URL填写：“http://localhost:11434/api/chat”
4. 最大Token数：131072
5. 点击确定保存

添加云平台API（可选）：

RAGFlow支持多种模型提供商，包括智谱AI、通义千问、火山引擎等。以火山引擎为例，填加Deepseek R1。

https://www.volcengine.com/product/ark 进入控制台。点在线推理，再选自定义接入点，

创建推理接入点。

再回到接入点，就能看到接入点：

红框内即为接入点。在RAGFLow模型管理中选择VolEngine，填加模型。

这就把Deepseek R1填加成功。再点右上角系统模型设置。

火山引擎的开通的几个模型都可以看到，从中选择deepseek R1，嵌入模型选择默认这个，在修改84个那个位置，就是选择了系统自带的模型。点保存。

4.3 创建知识库

1. 点击"知识库" → “创建知识库”
2. 填写名称，选择语言（中文文档选择中文）
3. 解析方法选择适合你文档类型的方法（通常选择"通用"），切片方法选择默认。
4. 点击保存

4.4 上传文档

1. 点击"新增文件" → “本地文件”

1. 选择需要上传的文档

1. 上传完成后，选择文件并点击"解析"

红框内的按钮为解析，所有的都要点。

1. 等待解析完成每个pdf文件都可以点进去，确定是否使用。

4.5 测试知识库

1. 点击"聊天" → “新建助理”
2. 配置助理并选择前面创建的知识库
3. 开始提问测试，新建一个聊天。

进行提问，他会思考一会，从知识中找答案，最后给出一个结果，会标注各个结果出自那篇文章，那个段落等。

通过本教程，我们成功搭建了一个基于RAGFlow和DeepSeek的企业级私人知识库系统。本次演示主要使用了Deepseek R1 api，没有使用本地的ollama模型，它的效果是一样的，ollama的好处是不需要联网，可能一些商业机密的内容可以自建知识库进行检索查询会话等。

如何零基础入门 / 学习AI大模型？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高

那么我作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，希望可以帮助到更多学习大模型的人！至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

👉 福利来袭CSDN大礼包：《2025最全AI大模型学习资源包》免费分享，安全可点 👈

全套AGI大模型学习大纲+路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉 福利来袭CSDN大礼包：《2025最全AI大模型学习资源包》免费分享，安全可点 👈

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。