社群是國內外知名的機器學習與自然語言處理社群，受眾覆蓋國內外NLP碩博生、高校老師以及企業研究人員。
上次的《最全梳理：一文搞懂 RAG 技術的5種正規化！
》梳理了對 RAG 進行了一個完整的綜述。這次帶來 RAG 的小白應用教程：介紹如何透過 ragflow 框架把 DeepSeek 接入到自己的個人知識庫中，當然其他模型也是類似，可以自由搭配。
先看效果：
ragflow 簡介：
作用
-
智慧客服：即時從企業知識庫中檢索相關資訊，為客戶提供準確、個性化的解答。 -
文件生成與報告分析：從多個數據源中檢索資訊並生成結構化的文件或摘要，適合大規模內容管理。 -
輔助診斷：醫療專業人員可以透過 RAGFlow 快速查詢相關醫學文獻和病例資料，為診斷和治療提供參考。 -
文獻綜述：幫助學生和研究人員快速定位和分析相關的學術文獻，高效完成文獻綜述的撰寫。 -
新聞報道與投資分析：記者和金融機構可以利用 RAGFlow 整合和提煉大量素材，生成新聞稿件或投資分析報告。
優勢
-
深度文件理解：能夠從複雜格式的非結構化資料中精準提取知識，支援多種文件格式（如 Word、PPT、Excel、PDF 等），並自動識別文件佈局。 -
降低幻覺風險：提供清晰的關鍵引用來源，支援文字分塊的視覺化和人工干預，確保生成答案有據可依。 -
相容異構資料來源：無縫處理多種資料格式，整合不同來源的資料，為使用者提供一站式的資料處理和問答體驗。 -
自動化工作流：支援從個人應用到超大型企業的各類生態系統，提供易用的 API，便於快速整合到各類業務系統。 -
高效性與成本最佳化：透過動態最佳化流程，減少不必要的計算和查詢次數，降低執行成本。 -
精準性與可靠性：檢索和生成環節相輔相成，確保最終結果的準確性和可靠性。
ragflow 本地 windows 部署
一、軟體配置安裝
首先我們需要安裝好 docker 軟體
https://www.runoob.com/docker/windows-docker-install.html
安裝好 docker 後啟動即可，不用登陸不用設定任何東西，一路跳過。
這裡我們需要配置 docker 映象源
{
"registry-mirrors"
: [
"https://registry.docker-cn.com"
,
"http://hub-mirror.c.163.com"
,
"https://docker.mirrors.ustc.edu.cn"
],
"insecure-registries"
: [],
"debug"
:
false
,
"experimental"
:
false
,
"features"
: {
"buildkit"
:
true
},
"builder"
: {
"gc"
: {
"enabled"
:
true
,
"defaultKeepStorage"
:
"20GB"
}
}
}
上方程式碼貼上替換完畢後點擊右下角
到這裡我們的 docker 就配置好了
然後我們需要安裝 git：https://cloud.tencent.com/developer/article/2099150
最後我們需要安裝 vscode：https://zhuanlan.zhihu.com/p/264785441
二、安裝 ragflow
設定安裝路徑
在 c 盤之外的地方開啟一個資料夾用來安裝 ragflow，滑鼠右鍵，點選 open Git Bash here
輸入命令：
git clone https://github.com/infiniflow/ragflow.git
點選回車就可以看到多了一個資料夾 ragflow
由於預設配置版本是沒有 embedding 模型的，所以我們修改配置為完整版。使用 vscode 開啟 .env 檔案，修改第 84 行和第 87 行，ctrl+s 儲存檔案。
拉取 docker 映象
接下來我們開始部署 docker 映象，按住 win+R 鍵，輸入 powershell，點選回車。之後輸入 cd+剛剛下載的ragflow資料夾路徑，我這裡是cd D:\demo\ragflow\docker按回車，輸入docker compose -f docker-compose.yml up -d按回車。之後可以看到正在使用 docker 載入映象，稍等一會兒載入完畢即可。
大概 15 分鐘後鏡像載入完畢就部署完畢了。最後我們輸入docker logs -f ragflow-server，出現 RAGFLOW 字型就代表後端服務啟動成功了。
之後我們在瀏覽器位址列輸入：localhost:80即可開啟ragflow登入頁面。登入頁面可以隨便輸入一個郵箱賬號（隨便編一個符合郵箱格式的就可以），全部是儲存在你本地電腦上的，不用擔心資料洩露。但是要注意第一個註冊的預設是管理員，所以還是要注意儲存一下你註冊的郵箱資訊。之後點選登入就可以使用ragflow了。
三、簡易使用教程
首先我們配置一下 deepseek 模型服務，api-key 可以從 https://platform.deepseek.com/api_key 申請獲取（官網已經恢復充值）。
之後我們上傳資料建立一個本地知識庫就可以啦。可以看到上傳的資料支援多種格式，掃描版的 pdf 文件也是可以的。
上傳檔案之後需要等待文件解析完成，可以看到文件解析的效果還是不錯的
建立對話助理後，就可以對話啦，注意在模型設定裡把模型替換為 deepseek-chat
四、啟動與關閉 ragflow 程式
關閉 ragflow 程式：
關掉 powershell 視窗，退出 docker 程序即可。
啟動 ragflow 程式：
開啟 docker 軟體，按下 win+R 開啟 powershell，輸入docker logs -f ragflow-server回車，就啟動了後端服務了。！！檢查一下 docker 軟體，看一下 ragflow 是否全部啟動，也就是下圖中的幾個服務全是執行狀態：
如果都在執行中，此時可以在瀏覽器輸入localhost:80即可啟動前端介面，愉快的使用 ragflow 啦！
本教程主要參考以下兩篇官方文件撰寫：
1. https://github.com/infiniflow/ragflow?tab=readme-ov-file
2. https://ragflow.io/docs/dev/
技術交流群邀請函
△長按新增小助手
掃描二維碼新增小助手微信
關於我們