RAGFlow+DeepSeek+Docker本地部署的问题记录

最新推荐文章于 2025-04-03 10:17:54 发布

Leland_Lau

最新推荐文章于 2025-04-03 10:17:54 发布

阅读量894

点赞数 6

文章标签： docker 语言模型

本文链接：https://blog.youkuaiyun.com/Leland_Lau/article/details/145521799

版权

部署步骤

网上有很多参考资料，这里就不写了，主要是记录问题

问题记录

1. RAGFlow添加模型时设置的URL无法连接

在这里插入图片描述

这里用Ollama+Docker部署，因为是在虚拟机中调用，所以要先加一个环境变量OLLAMA_HOST，保证局域网内可访问，然后将本机IP:11434作为套接字输入到模型url配置中，接着就报如图所示的错误。

解决

URL改成http://host.docker.internal:11434

2. 聊天模型输出的Token过短

在这里插入图片描述
添加模型的时候有一个最大token数可以设置，但是在聊天的时候发现输出的内容依然很短，后续的回答直接被截断了。

解决

需要在聊天助理的设置中设置最大token数才有效
在这里插入图片描述

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Leland_Lau

关注关注

6
点赞
踩
7

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

Win10系统Docker+DeepSeek+ragflow搭建本地知识库

yilvyangguang520的博客

02-18

1964

Win10系统Docker+DeepSeek+ragflow搭建本地知识库

大模型实战一（续）、Ollama+RagFlow 部署本地知识库（常见报错问题排查）

xiaoqi270620903的专栏

11-12

4811

如果以上步骤仍然无法解决问题，建议检查 Embedding 服务的具体配置文件和模型加载流程，确保模型文件路径、环境变量和依赖库都正确。

参与评论您还未登录，请先登录后发表或查看评论

【Ragflow】9.问答为什么比搜索响应慢？从源码角度深入分析

兴趣使然的创作者

04-02

1375

前几天看到有群友提到一个现象：Ragflow的搜索界面的问答速度很快，但聊天界面的问答速度很慢，究竟是什么原因？在深入挖掘源码之后，逐渐发现了问题的答案。

Docker安装本地RAGflow踩坑记录，终于解决dependency failed to start: container ragflow-mysql is unhealthy问题

热门推荐

qq_63490595的博客

02-23

1万+

需要注意的是，不能直接放在安装Docker的目录里，因为上一个命令修改了文件权限，往Docker安装路径里放会失败。用记事本打开.env文件，找到第13行，修改前者80为81，然后保存即可。前者是主机端口，后者是容器端口。因此需要更改端口，我测试了81端口没有占用，因此来到下载RAGflow的文件夹下的docker文件中。然后是镜像位置，默认也是C盘，在Docker中可以更改。，然后安装官网提示一步步走，然而就当都安装完后出现了这个bug。至此，本地RAGflow总算是搭建完成。

RAGflow离线部署上传文件解析报wsl故障

m0_71240768的博客

03-31

277

新增wsl全局配置文件(.wslconfig文件)：windows路径栏输入：%UserProfile%，找到目录C:\Users\Administrator，默认是没有这个配置文件的，可以自己新增。查看docker信息，默认情况下，docker占用内存为电脑的一半，在运行ragflow时，内存会超过16个G，如果docker运行内存超多电脑的一半，就会报错。重启wsl或者重启电脑。再次查看docker info。

ragflow连不上ollama的解决方案

weixin_43008312的博客

12-11

5789

由于前期wsl默认装在C盘，后期部署好RagFlow后C盘爆红，在连接ollama的时候一直在转圈圈，问其他人没有遇到这种情况，猜测是因为内存不足无法加载模型导致，今天重新在E盘安装wsl。

windows下解决docker下安装ragflow遇到的问题

yhlilk的博客

02-09

3616

按照B站的步骤部署deepseek+ragflow，ragflow部署在docker中。

RagFlow + Docker Desktop + Ollama + DeepSeek-R1本地部署自己的本地AI大模型工具

程序老曹的博客

02-11

3082

首先，我们需要下载 Ollama 以及配置相关环境。Ollama 的。

RAGFlow+DeepSeek搭建本地知识库

bukeyizhongwen的博客

03-29

897

将文本（World、PDF等等）中的自然语言转换成机械可以理解的高维向量，然后通过向量之间的匹配和比对去捕获到单词或是句子背后的语义信息。除了针对知识库的文本之外，还会针对用户输入的信息进行处理。说人话就是，Embedding模型会把信息转换成对应的身份证，然后会匹配两个身份证最相似的数据。

Docker+Ollama+RAGFlow本地部署DeepSeek R1并构建本地知识库

F8_11的博客

03-04

1747

本文详细记录了通过Ollama安装DeepSeek R1:7B模型，通过Docker加载Open-WebUI，RAGFlow框架，并以RAGFlow为基础搭建本地知识库，其中embedding模型选择了比较受欢迎的nomic-embed-text。通过对通用大模型融合本地知识库进行推理的亲自体验，形成对于DeepSeek等AI大模型利用方式的新认识。

windows+ragflow+deepseek实战之二Text2sql查询

yilvyangguang520的博客

03-19

235

windows+ragflow+deepseek实战之二Text2sql查询

deepseek+ragfllow本地部署私有智能问答系统

m0_59164520的博客

02-07

2116

在安装docker和ragfllow的过程中遇到了2个问题，主要有：①wsl没有更新，需要根据提示更新wsl后才能完成docker desktop的安装；ragfflow运行起来后，占用的资源如下图：下文是关于如何在ragfflow中结合deepseek的具体使用实践：一、修改docker的配置1、docker运行起来后，需要修改国内可以下载的镜像源修改后点击右下角的apply & restart二、执行命令启动ragfflow启动成功如下图：三、登录ragfflow创建知识库。

本地化搭建 DeepSeek+RAGFlow构建个人知识库，附常见踩雷解决办法。

k942649453的博客

04-02

1032

deepseek与ragflow构建知识库，解决docker拉取镜像超时问题，解决连接到github端口443失败：无法连接到服务器问题，配置docker镜像源，解决遇到docker compose 不认识-f 标识的报错问题。

本地ragflow配置lmstudio模型

maya_st的博客

02-09

3242

表示1234这个端口被占用了，无法启动，lm一个很好的地方是，它直接点开settings就可以修改端口，我这里随便切了能用的端口，成功开启后，点击最上方的加载模型，把你想要在ragflow用的模型加载进来。解决方法：本人计算机知识黑洞有方案看不懂，一通折腾通过修改docker-compose-base文件的端口，删除重构容器得到解决ragflow和dify冲突的问题。我在对比ragflow和dify两个知识库做对比，在配置的问题上又又又又折腾了半天。选择头像来到模型提供商，找到lm studio添加模型。

Ragflow错误解决方案 Failed to establish a new connection: [Errno 111] Connection refused

m0_51699558的博客

02-14

9402

deepseek+ragflow 实现本地部署知识库的一项error

RAGflow：由于长度的原因，回答被截断了，要继续吗？

xuukai的博客

02-26

1100

确认模型是否支持更长的回答，或者调整模型的参数设置。：说明聊天机器人回答问题的长度，和块Token有关。：增加切片长度，确保能够处理更长的回答。：扩大了块Token数。

解决ragflow添加Ollama模型error model is required问题！

最新发布

qq_70110230的博客

04-03

384

在添加deepseek模型中，明明其他参数输入没问题，但是还是显示添加失败，试了很多方式都不行，模型名称没错，但是还是显示model is required。解决方案：实际上看看模型名，可能是后面多输入了一个空格。（这么可恶的问题也是给我遇到了……

ragflow+deepseek本地化部署数据库

02-25

### 部署包含 RAGFlow 和 DeepSeek 的本地环境 #### 安装 Docker 并启动容器为了确保能够顺利部署 RAGFlow 和 DeepSeek，在本地环境中首先需要安装 Docker。Docker 是一种用于开发、交付和运行应用程序的平台，它允许开发者将应用及其依赖打包到一个轻量级、可移植的容器中。对于 Windows 或 Mac 用户来说，可以通过官方链接下载并按照指引完成 Docker Desktop 的安装过程。Linux 用户则可以参照各自发行版文档来设置 Docker 环境[^2]。 ```bash sudo apt-get update && sudo apt-get install docker-ce docker-ce-cli containerd.io ``` #### 获取并配置 Ollama 模型通过访问 Ollama 的模型详情页面获取 `deepseek` 模型的具体版本号以及对应的执行命令： ```bash ollama run deepseek-r1:7b ``` 这一步骤会拉取指定版本的 DeepSeek 模型至本地，并准备好后续调用所需的接口服务[^1]。 #### 设置 RAGFlow 参数连接 Ollama API 鉴于 RagFlow 已经被集成到了 Docker 容器内，因此当尝试从该工具内部发起 HTTP 请求给位于同一主机上的其他服务时（即本机上正在监听端口 11434 的 Ollama），应当使用特殊地址 `http://host.docker.internal:11434` 来代替通常意义上的 localhost 或者 IP 地址表示法。 #### 数据库的选择与初始化考虑到实际应用场景中的数据存储需求，可以选择 MySQL、PostgreSQL 这样的关系型数据库管理系统作为后端支持。这些 DBMS 提供了稳定的数据持久化方案，并且易于维护管理。另外也可以考虑采用 MongoDB 等 NoSQL 解决方案以便处理非结构化的大量文本资料或其他形式的内容集合。假设选择了 PostgreSQL，则可通过如下方式快速搭建测试用途的小规模实例： ```sql -- 创建新角色 (如果必要的话) CREATE ROLE ragflow WITH LOGIN PASSWORD 'your_password'; -- 新建专用数据库 CREATE DATABASE ragflow_db OWNER TO ragflow; ``` 最后记得调整相应的权限设定以适应具体业务逻辑的要求。 #### 资源规划建议根据不同的预算范围和个人偏好，可以从以下几个方面入手挑选合适的硬件设施： - **入门级别**：普通的家用台式计算机即可满足基本功能演示的需求，成本大约控制在人民币三千元左右； - **推荐标准**：类似于主流游戏 PC 的规格能带来更佳性能表现，预计花费五千上下； - **高端定制**：追求极致效率的企业用户可能倾向于购置专业的服务器设备，虽然初期投入较大但是长期来看性价比更高[^3]。