RAGFlow安装+本地知识库+踩坑记录

RAGFlow是一种融合了数据检索与生成式模型的新型系统架构,其核心思想在于将大规模检索系统与先进的生成式模型(如Transformer、GPT系列)相结合,从而在回答查询时既能利用海量数据的知识库,又能生成符合上下文语义的自然语言回复。该系统主要包含两个关键模块:数据检索模块和生成模块。数据检索模块负责在海量数据中快速定位相关信息,而生成模块则基于检索结果生成高质量的回答或文本内容。

在实际应用中,RAGFlow能够在客户服务、问答系统、智能搜索、内容推荐等领域发挥重要作用,通过检索与生成的双重保障,显著提升系统的响应速度和准确性。

RAGFlow安装

项目地址:https://github.com/infiniflow/ragflow

wsl安装
安装 WSL文档: https://learn.microsoft.com/zh-cn/windows/wsl/install
WSL基本命令:https://learn.microsoft.com/zh-cn/windows/wsl/basic-commands
1、管理员权限打开powershell命令

#启动wsl子系统
dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux
/all /norestart
#启用虚拟机平台支持
dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all
/norestart
#设置wsl2
wsl --set-default-version 2

也可以手动选择:
在这里插入图片描述

RAGFlow最终完成版安装步骤
采用docker安装,没有的需要安装下:https://blog.youkuaiyun.com/YXWik/article/details/128254108

ragflow项目地址:https://github.com/infiniflow/ragflow
下载项目
在这里插入图片描述
解压
在这里插入图片描述
修改修改镜像为国内镜像 F:\ragflow-main\docker 文件夹下的 .env文件中的RAGFLOW_IMAGE

RAGFLOW_IMAGE=docker-0.unsee.tech/infiniflow/ragflow:v0.17.0

在这里插入图片描述

在.env文件中,使用镜像地址就行:HF_ENDPOINT=https://hf-mirror.com

在这里插入图片描述

docker-compose-base.yml 配置更改如下

  redis:
    image: valkey/valkey:8
    container_name: ragflow-redis
    entrypoint: ["redis-server", "--requirepass", "${REDIS_PASSWORD}", "--maxmemory", "128mb", "--maxmemory-policy", "allkeys-lru"]
    env_file: .env
    ports:
      - ${
   
   REDIS_PORT}:6379
    volumes:
      - redis_data:/data
    networks:
      - ragflow
    restart: on-failure

在这里插入图片描述

更换镜像:

{
   
   
  "builder": {
   
   
    "gc"
<think>好的,我现在需要帮助用户了解如何使用Anaconda和RAGFlow在Mac M1上构建本地个人知识库。根据用户提供的参考信息,我需要整理一个清晰的步骤指南,同时生成相关问题。 首先,用户提到参考的引用[1]是关于在Mac M1上部署RagFlow的步骤。我需要确保这些步骤准确无误,并且符合用户的需求。用户可能对Anaconda环境创建和RAGFlow配置不太熟悉,所以需要详细说明每一步操作。 接下来,我需要按照系统级指令的要求,使用正确的LaTeX格式,但看起来这个问题主要涉及命令行操作和配置,可能数学表达式较少。不过如果有涉及路径或变量,可能需要用行内格式,比如$ conda create -n ragflow python=3.11.0$这样的命令,但根据示例,代码块应该用反引号包裹,不需要LaTeX。可能需要检查是否有数学表达式需要处理,但在这个问题中可能没有。 用户需要结构清晰的回答,分步骤说明。根据参考内容,步骤包括创建Anaconda环境、克隆仓库、安装依赖、配置入口脚本和环境变量、启动服务、访问界面。每个步骤需要详细说明命令和注意事项,特别是针对Mac M1的适配问题,比如使用requirements_arm.txt而不是常规的requirements.txt。 同时,要生成相关问题。根据教程内容,可能的问题包括环境配置错误如何处理、依赖安装失败怎么办、如何优化知识库性能、是否支持Windows等。 需要确保引用正确,用户提供的引用[1]是关于Mac M1部署RagFlow的,所以在回答末尾要添加引用标识。另外,用户可能遇到的问题,比如依赖冲突或端口占用,需要给出解决建议,比如创建干净的虚拟环境或检查端口使用情况。 最后,保持回答的中文,并且语言自然流畅,避免使用专业术语过多,让用户容易理解。检查LaTeX是否符合要求,但在这个回答中可能不需要使用数学表达式,所以主要关注代码块和命令行格式是否正确。</think>### 使用Anaconda和RAGFlow构建本地个人知识库教程 #### 1. 创建并激活Anaconda虚拟环境 ```bash $ conda create -n ragflow python=3.11.0 # 创建指定Python版本的虚拟环境 $ conda activate ragflow # 激活虚拟环境 ``` #### 2. 获取RAGFlow源码并安装依赖 ```bash $ git clone https://github.com/infiniflow/ragflow.git # 克隆仓库 $ cd ragflow/ # 进入项目目录 $ pip install -r requirements_arm.txt # 安装ARM架构专用依赖(Mac M1/M2芯片) ``` #### 3. 配置入口脚本 ```bash $ cp docker/entrypoint.sh . # 复制入口脚本 $ vi entrypoint.sh # 按需修改环境变量(如API密钥、存储路径等) ``` #### 4. 启动RAGFlow服务 ```bash $ python main.py # 运行主程序 ``` 服务默认启动在$0.0.0.0:8000$,可通过浏览器访问`http://localhost:8000` #### 5. 知识库搭建流程 1. 上传文档(PDF/Word/TXT等格式) 2. 配置文本解析策略 3. 建立向量化索引 4. 通过自然语言查询知识库 > **注意**:Mac M1需使用`requirements_arm.txt`而非标准依赖文件,这是针对ARM架构优化的依赖版本[^1]
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值