- 综合排序
- 最热优先
- 最新优先
- 来自专栏轩辕镜像
🚀 Docker 部署 RAGFlow 全流程教程
灵活部署：支持 Docker 一键部署，提供 slim 版（轻量）和 full 版（带嵌入模型）。应用场景：企业知识问答、智能客服、文档搜索、私有化 AI 助手。 国内官方镜像仓库地址（轩辕镜像）：https://xuanyuan.cloud/r/infiniflow/ragflow1、部署前准备（Prerequisites）在部署 RAGFlow 前，建议满足以下硬件与软件环境 ）docker pull infiniflow/ragflow:v0.15.0-slim3.5 镜像版本选择版本大小是否包含嵌入模型稳定性v0.15.0≈9GB✅稳定v0.15.0-slim≈2GB❌稳定 nightly≈9GB✅不稳定nightly-slim≈2GB❌不稳定 建议：初学者使用 v0.15.0-slim（轻量版本）。 结尾至此，你已经完成了 RAGFlow 的 Docker 部署！
4.8K21编辑于 2025-10-24 - 来自专栏Lcry个人博客
RAGFlow 开源检索增强 AI 知识库部署教程
开始安装 本教程采用ubuntu22.04，inter芯片，nvidia显卡为例 依次执行下面命令：部署目录/usr/local/app mkdir -p /usr/local/app cd /usr/ ，密码是 admin command: - --enable-adminserver 2、如果更改访问端口，默认是 80 一般被占用了。 Docker 容器中设置的任何环境变量都可以使用，允许你根据部署环境自定义服务行为。 总结 本文通过docker 一键部署 ragflow，并且体验了简单的功能， 整个使用下来存在很多卡顿的问题，在知识库的文档解析的时候一直卡住不动重启才恢复正常，不愧是issues 还有一大堆没修改，解析的方式强是强 ，传说中做知识库属它最牛逼，但是使用体验下来真的就是资源占用太大了，对准确率高的资源不在乎的可以尝试配置学习试试，这个也通过和 dify 结合进行使用，网上有相关教程可以参考，将 ragflow 直接外挂给
1.1K10编辑于 2026-01-09 - 来自专栏话梅糖のAndroid学习
Hadoop集群部署教程-P2
Hadoop集群部署教程-P2 由于提供的参考材料与Hadoop部署教程的后续章节（如Hadoop环境配置、核心文件修改等）无关，我将基于专业知识继续完善Hadoop部署教程的后续章节。 Hadoop集群部署教程（续） 第五章：Hadoop环境配置 5.1 配置Java环境 在所有节点上设置JAVA_HOME 编辑hadoop-env.sh文件： vi $HADOOP_HOME/etc mathnormal" style="margin-right:0.13889em;">P<span class="vlist-t vlist-t<em>2</em>" 数据节点未注册 现象：Web UI显示的DataNode数量少于实际节点数 解决方案： 删除所有节点的hadoop.tmp.dir目录 重新格式化NameNode 重启集群 第八章：下一步操作建议 完成部署后可进行 hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-client-jobclient-*-tests.jar TestDFSIO 部署
21000编辑于 2025-04-17 - 来自专栏Datawhale专栏
DeepSeek接入个人知识库，保姆级教程来了！
这次带来 RAG 的小白应用教程：介绍如何通过 ragflow 框架把 DeepSeek 接入到自己的个人知识库中，当然其他模型也是类似，可以自由搭配。 ragflow 本地 windows 部署 配置要求：ragflow是一个相当“重”的项目，如果你的电脑不满足以下条件，请不要随意尝试 一、软件配置安装 首先我们需要安装好 docker 软件 https 大概 15 分钟后镜像加载完毕就部署完毕了。最后我们输入docker logs -f ragflow-server，出现 RAGFLOW 字体就代表后端服务启动成功了。 本教程主要参考以下两篇官方文档撰写： 1. https://github.com/infiniflow/ragflow? tab=readme-ov-file 2. https://ragflow.io/docs/dev/
3.8K21编辑于 2025-02-26 部署Docker&使用Docker在OpenEuler服务器配置RAGFlow
Type=notify ExecStart=/usr/bin/dockerd ExecReload=/bin/kill -s HUP $MAINPID TimeoutSec=0 RestartSec=2 docker.rainbond.cc" ] } 至此docker安装完成，可以直接启动docker或检查是否安装成功 docker --version # 启动docker systemctl start docker 2. pulling a406579cd136: 100% ▕██████████████████▏ 1.1 KB pulling 0c4c9c2a325f > Ollama is running 如果 RAGFlow 是从源代码启动的，并且 Ollama 与 RAGFlow 在同一台主机上运行，请检查是否可以从 RAGFlow 的主机访问 Ollama response from daemon: Get "https://registry-1.docker.io/v2/": net/http: request canceled while waiting
1.7K10编辑于 2025-06-04- 来自专栏Datawhale专栏
dify v0.15.3外挂ragflow知识库，保姆级教程来了！
Datawhale干货 作者：张龙斐，Datawhale鲸英助教 上一次我们学习了如何部署ragflow，本次我们学习如何使用ragflow+dify搭建本地问答系统。 面向人群：计算机小白 阅读时间：10分钟 安装dify 确保电脑上安装了docker，git，vscode三个软件 Windows Docker 安装 | 菜鸟教程：https://www.runoob.com middleware.env.example middleware.env # 复制环境文件 docker compose -p dify up -d # 启动为dify名称，避免compose冲突 看到9个容器都在运行中即是部署成功了 当然这里也可以命名为ragflow服务docker compose -p ragflow up -d 搭建本地问答系统 创建ragflow知识库+ragflow api 这里我们可以继续选择使用deepseek 浏览器分别输入：localhost:80 与 localhost:8080 打开dify 和 ragflow。 2.
7.9K20编辑于 2025-04-02 - 来自专栏周拱壹卒
内网环境在 RAGFlow 中使用 MinerU
本文可作为 使用教程：如何在 RAGFlow 中使用 MinerU[1] 的补充，介绍如何在内网环境下配置 MinerU 解析器以供 RAGFlow 使用。 前提假设 已通过 docker 的形式在内网环境部署 RagFlow RAGFlow 版本 >= v0.21.1 有内网环境 pip 源 安装 MinerU 更新 .env 文件 在 .env[2] 文件中添加如下内容 __5-2509-1___2B" }, "config_version": "1.3.1" } 验证功能 完成安装后通过命令行验证 MinerU 功能： $ mineru -p test.pdf /20251126-090158.pdf -o /tmp/mineru_pdf_k3y3cwp7 -m auto -b pipeline 执行效果： RAGFlow 参考资料 [1] 使用教程：如何在 RAGFlow 中使用 MinerU: https://opendatalab.github.io/MinerU/zh/usage/plugin/RagFlow/ [2] .env: https:/
55210编辑于 2026-03-16 RAGFlow+TextIn：RAG实战教程！1分钟实现解析性能提升
本文将说明文档解析工具的类型与适用性、TextIn的性能、在RAGFlow框架下使用自定义解析的方法、实战教程与完整代码。 本地部署在使用方法这个维度，主要有API调用和本地化部署两类，特点如下：API调用方法便于：1、快速启动，零运维： 无需购置、配置和管理服务器基础设施，注册账号、获取API密钥即可立即使用，大幅缩短上线时间 2、部署复杂，上线周期长： 安装、配置、测试和优化本地部署的解决方案需要较长时间和专业知识。3、更新滞后： 用户需要主动关注并手动执行版本升级来获取新功能和修复，过程可能繁琐且存在兼容性风险。 方法2：修改RAGFlow代码改变解析策略通过代码修改，我们能从结构上改变解析策略，也能够解决方法1中的不适配问题，实现更彻底的流程搭建。下面，我们来看具体的实战教程，如何快速实现解析方法替换。 1分钟实战教程1、启动服务（测试的镜像版本为 infiniflow/ragflow:v0.20.1 ）docker compose -f docker-compose-gpu.yml up -d2、textin.com
2.5K12编辑于 2025-08-26- 来自专栏站长的编程笔记
linux 部署 java的J2EE项目教程
在Linux上部署Java的J2EE项目通常涉及到以下几个主要步骤： 安装Java开发环境：首先确保在Linux服务器上安装了Java Development Kit（JDK）。 安装Web服务器（例如Apache Tomcat）：对于J2EE项目，你可能需要一个Web服务器来承载你的应用。Apache Tomcat是一个常见的选择。 构建你的J2EE项目：在你的本地开发环境中使用构建工具（如Maven或Gradle）构建你的J2EE项目。 Tomcat会自动检测并部署这个WAR文件。
41210编辑于 2023-12-16 ragflow部署安装mac版本#腾讯技术创作特训营S12#AI进化论#项目实战
ragflow部署安装#腾讯技术创作特训营S12#AI进化论一:ollama安装,自行完成,我本地已安装二:查看大模型情况:命令ollama list,我本地无ragflow三:docker安装:命令docker 官网地址:https://ragflow.io/docs/dev/都是后续的api哦以下是一步一步的安装和部署指南：第一步：准备环境1. 如果需要将Ragflow部署为一个API服务（如Kubernetes集群或云服务），按照项目文档中的步骤调整模型配置和资源分配。2. 配置后，重新启动服务。### **第七步：测试与优化**1. 测试多个查询，确保Ragflow能够准确返回相关回答。2. 根据性能指标（如响应时间、吞吐量）进行模型优化或参数调整。### **第八步：部署到生产环境**1. 2. 使用容器化技术（如Docker、Kubernetes）将Ragflow服务打包并部署到云平台（如AWS、GCP、Azure）。### **第九步：维护与监控**1.
2K10编辑于 2025-03-10- 来自专栏ceshiren0001
手把手教你玩转Dify：外部知识库接入与精准召回实战
二、外部知识库接入方案：RagFlow + Dify 保姆级教程步骤1：环境准备安装Docker（Windows/Mac/Linux）获取Dify 0.15.3版本：git clone https:// .env.example .envcopy middleware.env.example middleware.envdocker compose -p dify up -d # 启动9个容器步骤2： 部署RagFlow# 创建独立目录避免冲突mkdir ragflow && cd ragflowdocker compose -p ragflow up -d # 修改docker-compose.yml keyword_results = keyword_index.search(query) return rerank(vector_results + keyword_results) # 混合后重排序2. 检索结果不准检查嵌入模型是否适配中文（推荐bge-large-zh-v1.5）添加ReRank模型（CoReRank提升排序效果） 五、未来扩展方向动态知识更新通过cron定时同步数据库：# 每日凌晨更新知识库 0 2
2.3K00编辑于 2025-07-29 - 来自专栏跟着小郑学JAVA
T系列部署教程2 VSCode的安装&导入前端项目
\color{red}{前言：本教程配套博主发布的所有} T系列项目。 提示：本套教程以 T101 项目为例，提供的项目为压缩包，需要同学们自行解压到本地文件夹。 请同学们依次点击 文件——打开文件夹，如下图所示。
60700编辑于 2024-05-26 - 来自专栏Se7en的架构笔记
CDH 部署教程
节点规划 Cloudera Manager Server 节点提供 WebUI 操作界面，管理 Cloudera Manager Agent 节点，在运行 Agent 的机器上部署大数据相关组件。 cm-server Server，Agent 4C8G Centos7 192.168.1.216 cm-agent-1 Agent 4C8G Centos7 192.168.1.217 cm-agent-2 百度网盘链接: https://pan.baidu.com/s/1dVk2j_UBtorQ4vyBda8nrA 密码: 1bsr ? root@cm-server ~]# scp /etc/hosts cm-agent-1:/etc/hosts [root@cm-server ~]# scp /etc/hosts cm-agent-2: 集群开始安装部署，启动服务。 ? 完成安装。 ? CDH 集群安装检查 登陆 Clouder Manager 管理界面，可以检查集群各组件运行情况。 ?
4.5K20发布于 2021-07-23 - 来自专栏希里安
深度解锁AI私有知识库：用 DeepSeek 和 RAGFlow 打造企业级智能平台
步骤2：安装Ollama 上篇文章周末用笔记本搞点大事：手把手教学部署 1.5、7B 版本 DeepSeek 智能助手,我用的是四五年前的windows系统的笔记本电脑，运行7B没什么压力，今天就给大家介绍在 RAGFlow可以Docker运行，部署非常简单。 步骤5：登录并配置RAGFlow 1. 登录： 2. 检查Ollama状态： 步骤6：整合RAGFlow与DeepSeek 1. 这样，RAGFlow就可以在检索到相关信息后，调用DeepSeek进行问答生成。 2. 调整配置参数：根据实际需要，您可以调整RAGFlow和DeepSeek的配置参数。 上传文件：向RAGFlow中添加新的文档，扩展知识库的内容。RAGFlow会自动更新向量索引，以确保信息检索的准确性。 2.
3.3K00编辑于 2025-03-31 - 来自专栏玩转JavaEE
Spring Boot2 系列教程(三十九)Spring Boot 热部署
回顾热部署 Spring Boot 中的热部署相信大家都用过吧，只需要添加 spring-boot-devtools 依赖就可以轻松实现热部署。 Spring Boot 中热部署最最关键的原理就是两个不同的 classloader： base classloader restart classloader 其中 base classloader Spring Boot 中热部署的原理就是当代码发生变化时，base classloader 不变，而 restart classloader 则会被废弃，被另一个新的 restart classloader LiveReload devtools 中默认嵌入了 LiveReload 服务器，利用 LiveReload 可以实现静态文件的热部署，LiveReload 可以在资源发生变化时自动触发浏览器更新，LiveReload
1K10发布于 2019-12-18 - 来自专栏山行AI
RAGFlow-一款开源的RAG引擎
主要功能 "Quality in, quality out" •基于深度文档理解[2]，能够从各类复杂格式的非结构化数据中提取真知灼见。 •2024-04-11 支持用 Xinference[5] 本地化部署大模型。•2024-04-10 为‘Laws’版面分析增加了底层模型。 •2024-04-08 支持用 Ollama[6] 本地化部署大模型。•2024-04-07 支持中文界面。 2.在 service_conf.yaml[11] 文件的 user_default_llm 栏配置 LLM factory，并在 API_KEY 栏填写和你选择的大模型相对应的 API key。 ://demo.ragflow.io/ [2] 深度文档理解: https://github.com/infiniflow/ragflow/blob/main/deepdoc/README.md [3]
11.8K21编辑于 2024-04-18 prometheus部署教程（二）
安装prometheus的详细过程看：prometheus部署教程（一）-腾讯云开发者社区-腾讯云1、部署mysql-exporter(1)操作准备安装MySQL：参考连接：Mysql 安装教程-腾讯云开发者社区 -腾讯云2）在mysql节点上创建用户exporter并进行授权[root @mysq101 ~] mysql -u root -pmysql>create user 'exporter'@'localhost :5s static_configs: -targets:['IP:9104'] #mysql服务器的ip加端口 systemctl restart prometheus(7)登录页面查看2、 部署redis_exporter(1)部署前准备安装redis集群，参考连接redis（Cluster）集群-腾讯云开发者社区-腾讯云(2)在客户端主机创建app日录，并上传gz又件cd /apptar 安装可视化Grafana（1）下载：wget https://dl.grafana.com/enterprise/release/grafana-enterprise-10.0.1-1.x86_64.rpm（2）
58700编辑于 2025-04-14- 来自专栏分享学习
DeepSeek本地部署教程
DeepSeek是一款强大的知识检索和问答工具，通过本地部署，用户可以更加便捷地进行知识检索和问答操作。本文将详细介绍如何在本地部署DeepSeek，以便用户能够充分利用其强大的功能。 环境要求 在本地部署DeepSeek之前，需要确保计算机满足以下环境要求： 操作系统：Linux（推荐）或Windows。 Python版本：Python 3.7及以上。 DeepSeekModel model = DeepSeekModel() result = model.predict(input_data) print(result) 使用与调试 使用DeepSeek 在成功部署并启动
1.5K10编辑于 2025-05-18 - 来自专栏ceshiren0001
企业AI落地开源五剑客：Open-WebUI、Dify、RAGFlow、FastGPT、n8n
n8n：智能流程自动化中枢核心价值：开源可控、私有化部署、模块化扩展，让企业以最小成本实现AI能力闭环。 技术亮点：一键对接Ollama/OpenAI等模型，实时生成代码、表格、图表企业级权限管理（RBAC）+ 对话记录加密存储支持RAG文档集成，本地知识库实时检索部署成本：# Docker一键部署（支持GPU 2. Dify：AI应用开发的“流水线工厂”核心定位：拖拽式构建AI工作流，覆盖对话机器人、数据分析、知识问答等场景。 公式等复杂结构多路召回策略：Elasticsearch关键词检索 + Infinity向量检索 → 融合重排序企业级应用：电商平台：商品手册问答（准确率92%）法律合同：关键条款识别（较传统OCR精度提升30%）部署要求 场景2：自动化合规审计RAGFlow：解析合同/财报，提取关键条款Dify：匹配合规规则，生成风险报告n8n：触发审批流程，通知责任人选型指南：五步锁定最佳工具明确需求：交互界面 → Open WebUI
2.3K10编辑于 2025-07-16 Promethues部署教程（三）
中的安装目录中添加告警规则 [root@localhost rules]#vim node_exporter.rules 编写规则参考prometheus官网： Alerting rules | Prometheus 2、 （2）主机关机测试，将主机关机页面会有告警： 实现上面的效果说明告警规则是正确的。 二、创建两个飞书群 1、在飞书上创建常规，严重两个群。可以根据告警事件严重程度分别在两个群里面告警。 2、添加ip白名单是通过在发送告警的主机上输入：curl ifconfig.me查出来的，动态IP可能变化，直接加ip的c段。 prometheusAlert]# ls conf db logs PrometheusAlert PrometheusAlertVoice static user.csv views zabbix 2、 urimsg:=""}}{{ range $key,$value:=.commonLabels }}{{$urimsg = print $urimsg $key "%3D%22" $value "%22%2C
47810编辑于 2025-04-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号