目录

• 一、环境准备
• 二、DeepSeek + RagFlow + Ollama 实战指南
• • 2.1、安装Docker
  • 2.2、镜像安装Ollama
  • 2.3、以GPU模式启动Ollama
  • 2.4 、安装RagFlow

在信息爆炸的时代，企业机构和个人用户都面临着海量非结构化数据的管理难题。本文将带您构建一个集大模型推理、智能检索、知识加工于一体的本地知识库系统，深度融合DeepSeek认知大模型的语义理解能力、RagFlow的文档智能处理能力以及Ollama的本地化部署优势。该系统具备三大核心价值：

1. 私有化部署：数据全程在本地流转，杜绝敏感信息外泄
2. 强大的文档处理：自带OCR，能够通过深度文档理解模块智能提取和组织信息，支持多种异构数据源，包括Word、PPT、Excel、TXT、图片、扫描件、结构化数据、网页
3. 硬件加速：通过NVIDIA GPU加速推理

本文将以DeepSeek、RagFlow、Ollama为核心，手把手带你搭建一套支持GPU加速的私有知识库系统，助你快速实现AI技术的本地化部署与私有知识管理。

一、环境准备

本文基于 Ubuntu 22.04 LTS 系统，使用 NVIDIA GPU 加速，通过容器化技术快速部署以下组件：

Docker：容器化运行环境
Ollama：本地大模型推理引擎（支持Meta Llama3、DeepSeek等开源模型）
RagFlow：RAG（检索增强生成）框架
MinIO/MySQL/Redis：存储与缓存基础设施

二、DeepSeek + RagFlow + Ollama 实战指南

2.1、安装Docker

Docker是一个开源的容器化平台，能够帮助我们在隔离的环境中运行应用程序。在安装之前，首先更新索引：sudo apt update

其次输入指令sudo apt install docker.io 使用apt安装docker：

安装成功后可以使用docker -v查看docker版本，使用docker ps查看当前docker container情况：

能够显示内容，则说明docker安装成功！

2.2、镜像安装Ollama

Ollama是一个轻量级的模型服务框架，支持多种深度学习模型的部署和管理。它提供了简单的API接口，方便用户快速部署和使用模型服务。

Ollama的安装非常简单，这里我们可以通过Docker来快速部署，在国内环境下，一般使用docker pull ollama/ollama会报 docker error response from daemon: get "https://registry-1.docker.io/v2/错误，这是因为服务器无法访问到对应网站。

这里可以采用国内镜像网站加速的方案：https://github.com/dongyubin/DockerHub

比如，这里使用docker.1ms.run镜像网站拉取ollama：sudo docker pull docker.1ms.run/ollama/ollama

拉取后要记得使用docker tag 重命名为ollama/ollama，即：:docker tag docker.1ms.run/ollama/ollama ollama/ollama

2.3、以GPU模式启动Ollama

如果你的机器配备了NVIDIA GPU，可以通过NVIDIA Docker工具包来启用GPU加速。

首先输入以下指令配置添加NVIDIA Docker仓库并安装NVIDIA Docker 2.x：​

# 安装NVIDIA Docker工具包
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update && sudo apt-get install -y nvidia-docker2
sudo systemctl restart docker

然后以GPU模式启动Ollama容器

sudo docker run -d --gpus all -p 8080:8080 --name ollama ollama/ollama

2.4 、安装RagFlow

RagFlow是一个基于RAG（Retrieval-Augmented Generation）框架的工具，能够结合检索和生成模型，提供更精准的问答服务。它通过从知识库中检索相关信息，再结合生成模型生成答案，显著提升了问答系统的准确性。

使用sudo docker compose -f docker-compose-base.yml up -d安装，一般会报错：

这里可以同样采用刚刚的方法，打开docker-compose-base.yml文件，找到报Error的镜像名称和版本号

使用同样的方法先下载，再用tag重命名：

如此同样的方法下载infinity、mysql、minio、redis：

分别安装完成后，再输入一遍sudo docker compose -f docker-compose-base.yml up -d，检查是否全部下载完成，如果显示如下则说明全部下载完成：

下载好基础镜像后，还需要根据需求安装对应版本的RagFlow，这里选择安装Linux GPU版本：

输入 sudo docker compose -f docker-compose-gpu.yml up -d安装GPU版本的RAGFlow

输入sudo docker ps -a可以看到目前运行的镜像状态，显示有ragflow-server、mysql、minio、redis、es、ollama这些镜像才算成功启动，如下：

输入对应的ip或者域名即可访问：

这样你就成功搭建了一个的本地私有知识库系统，如果想看RAGFlow的使用方法，以及基于RAGFlow的Agent方案。

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。