ragflow的本地知识库的搭建

计算机小白453
161 阅读7分钟

前置知识

1.介绍

RagFlow 是一个开源项目，其源代码托管在 GitHub 上（通常为：github.com/infiniflow/… Apache 2.0 或 MIT），允许用户自由使用、修改和分发，适用于个人、研究和商业用途。

RagFlow 是基于 检索增强生成（Retrieval-Augmented Generation, RAG） 技术构建的一个企业级文档问答与知识处理平台。它的核心目标是帮助用户将非结构化的文档（如 PDF、Word、Excel、PPT、网页等）转化为可检索、可问答的知识系统。

主要功能与作用包括：

  1. 多格式文档解析
    • 支持上传并解析多种文件格式，包括：
      • PDF（含扫描件 OCR）
      • Word、Excel、PPT
      • HTML、TXT、Markdown 等
    • 使用先进的布局识别技术（如 PaddleOCR、LayoutParser）精准提取文本、表格、图像标题等结构信息。
  2. 智能知识抽取与向量化
    • 将文档内容切片（chunking），结合语义理解进行向量化（embedding），存储到向量数据库中（如 Milvus、Weaviate、Elasticsearch 等）。
    • 支持自定义分段策略，保留上下文完整性。
  3. 基于 RAG 的精准问答
  • 用户提问时，系统先从知识库中检索最相关的文档片段，再结合大语言模型（LLM）生成准确、有依据的回答。
  • 回答附带原文引用，提升可信度和可追溯性。
  1. 可视化工作流编排（Flow）
  • 提供图形化界面，让用户自定义数据处理流程（如清洗、转换、路由等），实现“低代码”配置 RAG 流程。
  • 类似于 LangChain + UI 的理念，但更专注于企业文档场景。
  1. 支持私有化部署 & 数据安全
  • 可部署在本地或私有云环境，保障敏感数据不外泄。
  • 适合金融、医疗、法律等对数据隐私要求高的行业。
  1. 集成多种 LLM 和 Embedding 模型
  • 支持接入主流大模型，如：
    • 国内：通义千问、百川、ChatGLM、讯飞星火等
    • 国外：GPT、Claude、Llama 系列等
  • 可灵活切换模型服务提供商。
  1. 多租户与权限管理
  • 支持企业级用户体系，不同团队可拥有独立的知识空间和访问控制

2.对比

ragflow和dify对比，优点是什么？

这是一个非常实用的问题！RagFlow 和 Dify 都是当前热门的开源低代码 AI 应用开发平台，都支持构建基于大模型的知识问答、Agent 等功能。但它们的定位、技术路线和适用场景有显著差异。

下面从多个维度进行详细对比，并重点说明 RagFlow 相对于 Dify 的核心优势（优点） 。

一、整体定位对比

维度RagFlowDify
主要目标企业级文档智能：精准解析 + 深度检索 + 可信问答通用 AI 应用开发平台：LLM 编排 + Agent + API 服务
核心能力强在 复杂文档处理与 RAG 效果优化强在 可视化工作流编排与 AI Agent 构建
用户群体企业知识库、金融/法律/医疗等专业文档场景开发者、产品经理、创业者快速搭建 AI 应用
是否强调“可解释性”✅ 极其重视（回答带原文引用）⚠️ 支持，但非首要目标

二、RagFlow 相对于 Dify 的优点举例：

  1. 更强的文档解析与结构识别能力（核心优势）
能力RagFlowDify
PDF 解析（含扫描件）✅ 使用 PaddleOCR + Layout Parser，识别标题、表格、公式布局❌ 基础 OCR，结构还原弱
表格内容提取✅ 完整还原 Excel 式表格数据，保留行列关系⚠️ 易丢失格式，变成纯文本
多级标题识别✅ 自动识别 H1/H2/H3，用于上下文增强⚠️ 不够精细
公式/代码块处理✅ 特殊区块独立处理❌ 通常混入正文

📌 应用场景举例：

  • 你上传一份《劳动合同范本》PDF，里面有多个章节、表格薪资标准。
  • RagFlow 能准确切分“第五条 工作时间”并保留表格原意
  • Dify 可能将表格打散成句子，影响检索准确性

总结：

1.dify适合编排，ragflow适合知识库检索

2.最佳组合模式

角色平台职责
🧠 大脑（记忆中枢）RagFlow存储和检索真实知识，保证答案准确
🗣️ 嘴巴（交互层）Dify理解用户、组织语言、多轮对话
🤖 身体（行动力）Dify Agent能调用数据库、发邮件、创建工作单等

开始安装

RagFlow是以linux容器docker的方式运行，

如果是windows，需要启用wsl

同时安装Docker desktop

（前面的文章有安装步骤）

1.拉

安装RagFlow

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

cd ragflow

将ragflow解压到一个文件夹（最好没有中文目录）

image-20251028084226389

image-20251028084746321

将docker改名ragflow方便后续管理（容器启动自动以其命名）

进入ragflow启动cmd

介绍目录：

image-20251028085658882

yml是配置文件，默认使用docker-compose.yml

evn文件是对ragflow的docker提供环境变量，在docker-compose.yml中可以引用这些环境变量

打开env文件默认安装的是slim（精简）版本，也就是不带词嵌入模型的（建议默认配置不用动），如果安装完整版要10几个G，后期可以根据自己的需要安装词嵌入Embedding模型

image-20251028090231849

取消该行注释，使用国内大模型远程库

然后在cmd输入，docker-compose up -d，拉取docker镜像

image-20251028090503309

没有启动docker

启动后重拉

image-20251028093446678

大概率网络问题，重新运行命令即可

image-20251028093522165

2.配

拉取完成，只是端口冲突

将端口改成9080

image-20251028095349743

文章最后有端口介绍

image-20251028095429167转存失败，建议直接上传图片文件

正常启动了！

3.用

image-20251028100711864

我是通过 localhost：9080 （根据你设定的端口来） 访问到前端页面的

image-20251028101351418

启动ollama=》点击我的=》模型供应=》选择olaama，填入如图配置

#需要提前下载配置
deepseek-r1:7b

http://host.docker.internal:11434

如果只有ollama没有模型

新开cmd

#拉取词嵌入模型到本地
ollama pull bge-m3:latest

继续添加词嵌入模型。

image-20251028104405048

注意model name 末尾可能需要latest，可能不用。需要尝试

配置为默认模型

image-20251028104644341

常见问题

1.gpu加速

如果你的电脑有gpu，用到词嵌入等模型，是否速度很慢？到底用没用gpu呢？

1.ragflow只负责调度，ollama才是决定使用gpu

2.ollama会自动优先使用gpu，如果没有，会回退到cpu

3.如果实在不放心，可以cmd 里ollama serve 观察打印信息

注意：如果上传的是pdf，ragflow会启动OCR进行识别信息，此时用到的是ragflow的默认配置，如果cpu版本可能较慢，gpu会明显加速

2.知识库解析简单的文件也一直停留在百分之零点几？

可能是linux虚拟内存太小

打开cmd，进入wsl，输入 free -h

观察

image-20251028165212552

你的swap是不是只有2个G？

依次执行下面命令

 sudo fallocate -l 8G /swapfile
 
 sudo chmod 600 /swapfile
 
 sudo mkswap /swapfile
  
 sudo swapon /swapfile
 
 #观察是swap否变为9G
 free -h
 
 #持久化（不然下次还得重新写）
  sudo nano /etc/wsl.conf
  
#添加以下内容：

[boot]
command = "swapon /swapfile"
  
 #保存退出（Ctrl+O → 回车 → Ctrl+X）。

端口介绍

端口 = 计算机上的“门牌号”

  • IP 地址是“街道地址”，端口是“房间号”。
  • 当别人访问你的服务（如网页、API），必须通过一个端口进入。
  • 每个端口在同一时间只能被一个程序占用。

端口分类：哪些能用？哪些不能碰？

类型范围是否建议使用常见用途
🔴 知名端口（Well-Known Ports）0 - 1023❌ 禁止随意使用HTTP(80)、HTTPS(443)、SSH(22)、FTP(21)
🟡 注册端口（Registered Ports）1024 - 49151⚠️ 可用，但需查重MySQL(3306)、Redis(6379)、Docker API(2375)
🟢 动态/私有端口（Ephemeral）49152 - 65535✅ 安全可用临时连接、内部通信

绝对不要随便占的端口（危险区）

端口服务风险
80Web HTTPWindows/IIS 常默认占用 → 启动失败
443Web HTTPS同上，还可能影响浏览器
22SSHLinux 远程登录专用
53DNS域名解析核心服务，极其敏感
25 / 465 / 587邮件 SMTP企业邮件系统在用
3389Windows 远程桌面 (RDP)安全高危，别暴露

如何判断某个端口是否可用？

方法 1：Windows 查看端口占用（管理员 PowerShell）

netstat -ano | findstr :9080

如果没有输出，说明 9080 空闲。

如果有输出，最后一列是 PID，可以用：

tasklist /FI "PID eq 1234"

查看是谁在用。

方法 2：Linux/macOS

lsof -i :9080
# 或
netstat -tuln | grep 9080
avatar
文章
阅读
粉丝