RagFlow 是一款基于深度文档理解构建的开源 RAG（Retrieval-Augmented Generation，检索增强生成）引擎。它的设计核心在于将大量复杂格式的非结构化数据（如 PDF、Word、PPT、Excel、图片、网页等）经过智能解析，转换为高质量的“知识片段”，再通过大语言模型（LLM）进行增强生成，从而实现准确、可控且有据可依的问答服务

📋 先决条件

• 安装并启动了Docker、Ollama（没有安装的可以参考之前的教程）

📖 开始部署

1. 下载RagFlow

方式1：通过git克隆的方式下载，需要安装了Git。

git clone https://github.com/infiniflow/ragflow.git

方式2：直接访问github下载.ZIP压缩包，下载后解压。
https://github.com/infiniflow/ragflow

2. 修改一些配置

打开 ragflow里docker下的.env 文件，该文件主要用于配置RagFlow的各种环境变量
搜索 myhuaweicloud，这里有两处，将后面这一行的注释放开，修改后保存

默认端口为80，为避免与其他应用端口冲突，修改端口：ragflow/docker/docker-compose.yml
将 80 修改为 8000 ，将 443 修改为8443，修改后保存

3. 使用Docker安装RagFlow

在ragflow/docker目录下，执行：

cd D:\ProgramFiles\ragflow\docker  # 这里换成你自己的目录
docker compose up -d

耐心等待镜像下载，全部下载好后，容器都是运行状态则正常。

登录RagFlow

运行成功后，浏览器访问：http://localhost:8000/login

首次登录需要先点击Sign up注册账号

填写任意邮箱，昵称，密码，点击Continue注册，然后点Sign in 用创建的邮箱密码登录

登录后页面如下，点击右上角可以设置语言

配置模型

1. 获取API Key

如果是个人学习、开发使用，可以使用硅基流动提供的或者使用自己本地部署的大模型。硅基流动提供多种大模型可供调用，包括当下流行的DeepSeek-R1，DeepSeek-V3、QwQ-32B、BGE-M3 等等

目前注册可以免费领取2000万token，用来学习基本也够了
官方注册地址

输入手机号、短信验证码，登录即可，没有注册过会自动注册

API密钥 -> 新建 API 密钥。将新建好的密钥妥善保管

2. 添加模型供应商

右上角头像 -> 模型供应商 -> 添加模型

将之前建好的 API 密钥填入，点击确定

3. 系统模型设置

设置好后点击确定

添加知识库

知识库 -> 创建知识库

输入知识库名称，点击确定

数据集 -> 新增文件 -> 本地文件

数据集需要解析后才能用于回答。可以勾选创建时解析，也可以上传后再解析，这里我们勾选创建时解析
默认是上传文件，也可以上传文件夹。点击下方区域选择要上传的文件，点击确定

解析中，等待解析成功

测试

聊天 -> 新建助理

输入助理姓名、选择知识库

新建聊天，在聊天框输入问题测试知识库，可以看到引用了知识库的内容。

至此，RagFlow的部署就初步使用就介绍完了

---

🔥《零基础小白AI实战教程：手把手教你打造专属的智能体》🚀 系列教程更新中！
✅ 已更新：AI实践虚拟化平台安装
✅ 已更新：Docker Desktop 安装
✅ 已更新：Ollama安装教程
✅ 已更新：DeepSeek私有化部署
✅ 已更新：Dify私有化部署
✅ 已更新：Dify + DeepSeek搭建本地私有化知识库
✅ 已更新：Dify应用类型的选择
✅ 已更新：Dify升级指南
✅ 已更新：Dify节点的详细介绍(上)
✅ 已更新：Dify节点的详细介绍(中)
✅ 已更新：Dify节点的详细介绍(下)
✅ 已更新：RagFlow本地部署和使用

👉 搜索"北灵聊AI"获取最新更新，免费领取教程资料和源码