这是AI大模型时代你绝对不能错过的开源项目，作为中国的技术公司，英飞流(infiniflow)的RAGFlow项目已经在Github斩获了5万个star，冲上了Github的趋势热榜的第一名。
它不仅是知识库，还集成了众多AI Agent模板，让普通人也能享受AI带来的工作能效提升。今天AFAN我就带大家手把手的安装部署使用一下，在末尾会有我整理的全套安装资源供大家下载使用。
Docker地址：www.docker.com/
我们先演示如何安装RAGFlow。它需要依赖Docker这个云计算基础工具，如果你电脑没有安装的话，我们需要先访问Docker的官网下载Docker Desktop，然后点击它不停的下一步完成安装即可。这里AFAN我已经提前装好了。
安装完成后，我们可以打开cmd命令行，输入docker这个指令，如果发现指令有效即安装完成。
RAGFlow地址：github.com/infiniflow/…
接着我们要访问RAGFlow的Github地址，选择code，把这个仓库的ZIP压缩包下载下来。
然后我们解压这个压缩包，进入docker文件夹下，右键在这个目录打开cmd命令行，然后输入docker启动的指令。
docker compose -f docker-compose.yml up -d
这个指令会拉取RAGFlow的10G大小的镜像资源，AFAN由于之前下载过镜像到达本地，因此很快就启动了。大家第一次执行可能要下载很长时间，但是没关系我都放在文末分享的资源包了，大家可以执行这些指令把资源包的镜像文件加载进来。
docker load -i valkey.tar
docker load -i ragflow.tar
docker load -i mysql.tar
docker load -i minio.tar
docker load -i elasticsearch.tar
加载进来后我们就可以顺利执行刚才docker compose那个指令，顺利启动RAGFlow了，是不是很简单呢。启动后的RAGFlow会有5个容器，分别是用于缓存加速的redis、文件存储minio、业务数据库mysql、文档引擎的elastic search，以及RAGFlow的服务端server。
然后我们可以打开网页，输入127.0.0.1打开RAGFlow的应用界面。第一次登录是需要大家进行注册的，这个注册其实是存储在我们本地的业务数据库端的，所以注册很简单，然后开始登录。登录后，我们可以选择我们的语言。
第一次登录的用户需要先点击自己的头像配置AI大模型的模型服务，你可以选择本地已部署好的大模型也可以选择在线的服务商。比如我们可以选择之前给大家介绍过的硅基流动SILICONFLOW这个服务商，然后输入API-Key，还不会生成的小伙伴可以查看我之前这一期的教学：包教包会！5分钟快速对接DeepSeek，完全免费！。
接着我们要设置默认模型，主要是会话模型，这里我选择DeepSeek-V3，嵌入模型我选择有道的embedding，图片转文字的我用的是DeepSeek-VL2。
还有，我们这里可以打开RAGFlow的API，生成一个API Key，这个会在AI Agent的环节使用上，如果你是开发者还可以用这个API Key直接去调用RAGFlow的开放接口。这些配置结束之后我们就可以开始畅快的使用RAGFlow了。
第一个就是它的知识库功能，我这里已经提前创建了一个基金知识的知识库。大家可以点击右上方创建一个新的，输入名字然后直接保存。接着往这个知识库里面新建文件，可以将你本地的文档上传上去，比如我选择投资者入市手册，这是一个长达90多页的pdf文件，上传完成之后需要点击解析才能让其向量化转入知识库，关于RAG知识库的原理不知道的朋友也可以查看我的之前的这期内容：T15 大模型微调和RAG增强检索代码实践。
我们先查看事先解析过的基金知识库，可以看到RAGFlow将我的这个文档解析成了一百多条知识，我们鼠标选择一个知识还可以看到它对应文档的某块内容，文档的优秀解析能力也是这个项目的一大亮点。
有了这个知识之后呢，就可以开启一个简单的聊天，大家可以点击新建助理，设置助理姓名，这里可以选择一个或多个知识库，如果不选择就会直接使用刚才我们配置的DeepSeek-V3大模型对话。
那之前我已经创建过了一个销售助理叫做小P，选择了基金知识库。接着我就可以问问题：我是一个风险厌恶型的客户，我应该买什么基金。可以看到小P的回答中参考了不少知识库的内容，我们可以把鼠标悬浮到这个信息图标上，可以看到它参考的知识库原文内容，这是不是很有用呢。
除此之外，它的搜索功能大家也可以尝试。但是RAGFlow最惊艳我的还是它的Agent功能。刚才我们的聊天助理只能处理一些简单的任务，但是一些更复杂的任务还是得依靠Agent去完成。
在这里我们可以点击创建Agent，可以看到RAGFlow给我们提供了很多Agent模板，后面AFAN我会一一给大家尝试。今天我们先看这个客服模板，这也是AFAN之前创建过的。
可以看到RAGFlow提供了一个功能齐备的画布工具，左侧是可以拖拽到画布的组件，除了流程组件之外，下面还有大量的三方组件。
我们可以放大看一下它的流程，从开始组件开始，用户对客服发起提问，然后这里会对问题进行一个优化，接着对问题进行一个分类，是要联系方式、随意对话、投诉还是产品相关的，如果和产品有关，则会进入一个知识库组件，所以我们的基金知识库只是作为客服对话中的一环，如果客服收到的问题更多，还可以引入更多的知识库能力甚至三方组件。当我们把这个流程定义好后，就可以点击运行进行测试。
这个Agent的真正使用其实是通过嵌入到网站，结合我们之前产生的API-Key，基于它我们会产生一个html的代码。我们可以复制它，然后在本地新建一个文件，名称改为test.html，接着将这个文件用记事本打开，将这段代码输入进去保存。
此时我们打开这个页面就进入了这个Agent。它看似和之前的聊天助理没两样，但是没有人知道它背后可能是极其复杂的Agent流程。
好的以上就是本期视频的所有内容，希望能帮助大家也用上这个AI生产力工具，想进入大模型交流群的朋友可以加AFAN的微信（afan-life），联系AFAN获取RAGFlow安装包的获取方式，整理不易，谢谢大家的支持~
往期精彩内容
公众号内容：
上市公司公告+K线形态联立分析？DeepSeek驱动的NeoKline分析平台新思路！
MCP的致命缺陷：造一个"禁止调用"的服务，大模型会听话吗？
DeepSeek看盘升级版！TA-Lib生成MACD/布林带，DeepSeek秒读形态分析
让DeepSeek无所不能？7分钟弄懂从函数调用到MCP，附代码实操！
DeepSeek会看图炒股？5分钟教会你用大模型进行形态学分析
