推荐|AI入门6：基于Ollama+DeepSeek，用RAGFlow搭建本地知识库

书接上篇：分别使用Page Assist和AnythingLLM接入deepseek模型，并上传及分析本地知识：

本节介绍用RAGFlow搭建本地知识库，‌RAG（Retrieval-Augmented Generation）结合了检索和生成的技术，主要用于提升内容生成的质量和效率，RAGFlow则是RAG技术的一种具体实现，它通过模块化的方式组织RAG系统，提高了系统的灵活性和可扩展性。

和Page Assis，以及AnythingLLM相比，知识库命中率更高，软件体积更大，技术难度也更高，大家根据自己的情况选择。

准备工作

ollama和deepseek安装设置好，具体操作参考，上面AI入门1和2。

下载ragflow

在GitHub平台，下载ragflow，在百度搜索：GitHub ragflow

进入下载界面：

下载，解压后，在其docker目录，找到配置文件.env

编辑.env，找到RAGFLOW_IMAGE参数，把slim版本这一行注释掉，把下面完全版本的放开，因为完全版才有内置了的Embedding模型和Reranker模型，slim版本没有：

安装docker

下载后，安装过程很简单，就是有可能遇到安装环境的问题，大家参考：

windows下安装docker-CSDN博客

docker设置（很重要）

打开docker，进入“settings”：

在docker engine里，设置docker的镜像信息，如果镜像不可用，后面的操作就会失败，我尝试了多次，所以下面的镜像看起来有了冗余，但是管用：


{
  "builder": {
    "gc": {
      "defaultKeepStorage": "20GB",
      "enabled": true
    }
  },
  "experimental": false,
  "features": {
    "buildkit": true
  },
  "registry-mirrors": [
    "https://docker.m.daocloud.io",
    "https://docker.1panel.live",
    "https://registry.docker-cn.com",
    "https://cr.console.aliyun.com",
    "https://mirror.ccs.tencentyun.com",
    "https://huecker.io/",
    "https://dockerhub.timeweb.cloud",
    "https://noohub.ru/",
    "https://dockerproxy.com",
    "https://docker.mirrors.ustc.edu.cn",
    "https://docker.nju.edu.cn",
    "https://xx4bwyg2.mirror.aliyuncs.com",
    "http://f1361db2.m.daocloud.io",
    "https://registry.docker-cn.com",
    "http://hub-mirror.c.163.com",
    "https://docker.mirrors.ustc.edu.cn",
    "https://docker.registry.cyou",
    "https://docker-cf.registry.cyou",
    "https://dockercf.jsdelivr.fyi",
    "https://docker.jsdelivr.fyi",
    "https://dockertest.jsdelivr.fyi",
    "https://mirror.aliyuncs.com",
    "https://dockerproxy.com",
    "https://mirror.baidubce.com",
    "https://docker.m.daocloud.io",
    "https://docker.nju.edu.cn",
    "https://docker.mirrors.sjtug.sjtu.edu.cn",
    "https://docker.mirrors.ustc.edu.cn",
    "https://mirror.iscas.ac.cn",
    "https://docker.rainbond.cc"
  ]
}

安装rayflow

到刚才下载完成的ragflow-main文件夹下，在上面这个路径输入cmd，进入命令行，输入命令

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

如果正常执行完，就可以了，如果不顺利，可能遇到镜像拉不下来的情况，如下图：

解决问题参考文档已备好：

docker找不到镜像，无法成功下载ragflow-main的问题_ragflow报错error response from daemon-CSDN博客如果很不凑巧，你有遇到了“Error response from daemon: Ports are not available: exposing port TCP 0.0.0.0:xxx -> 0.0.0.0:0: listen tcp 0.0.0.0:xxx: bind: An attempt was made to access a socket in a way forbidden by its access permissions.”错误，类似像这样：

解决问题参考文档已备好：

Docker容器的守护进程无法使用端口-CSDN博客

解决了重重问题，ragflow就会启动了：

配置 ragflow，添加模型

通过浏览器，http://localhost:80/ 访问ragflow，注册一个账号：

进行如下设置：

如图：

1、修改语言

2、点击头像，再选择“模型供应商”

3、找到ollama，然后“添加模型”

填写模型信息：

注意，上图基础url需要用真实ip（真实ip查看方式：win+r，输入cmd，输入命令ipconfig），用http://127.0.0.1:11434/报错：

用真实ip，正常保存显示如下：

在ollama下，点击“显示更多模型”，可以查看及删除已设置模型：

然后，点击“系统模型设置”，选择刚才添加的模型，确定即可。

设置知识库

点击“知识库”标签，创建知识库：

填写知识库名称：

设置“嵌入模型”、“解析方法”，鼠标点击每个条目旁边的？图标，会有解释：

保存后，进入知识上传界面，点击“新增文件”，将文件拖进来：

增加的文件，是未解析的状态，点击绿色运行按钮，进入解析

解析完成后，显示“成功”状态，也可以通过批量按钮，进行批量操作：

然后，老试试知识库，点击“聊天”标签，新建助理，选择助理所对应的知识库：

保存后，选择助手，新建一个聊天，问你的问题，就可以开始聊天了：

还可以点击“搜索”标签，直接对知识库进行搜索。

日常启动和关闭模型

总结一下，日常启动，在ollama，和docker正常启动后（ollama和docker都有程序菜单，从开始中找到运行即可，运行后在右下角程序栏有运行图标），在doc窗口，先跳转到ragflow-main所在目录，执行命令：

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

不需要的时候，通过docker命令关闭模型，不然有点费资源：

docker compose -f docker/docker-compose.yml down

然后，再关闭docker和ollama（右下角程序栏有运行图标，右键菜单中关闭）。

日常启动和关闭的执行界面参考：

其他

在系统使用过程中，如果遇到C盘越来越小，可以看看docker占用C盘过大的问题的处理：

docker占用C盘问题

**************本节内容华丽结束，主大家有个愉快的体验**************