Win10系统使用docker部署ragflow

目录

0x00 前言

0x01 环境准备

0x02 ragflow安装

0x03 ragflow使用

---

0x00 前言

RAGFlow‌是一种基于Retrieval-Augmented Generation（RAG）技术的开源引擎，旨在通过融合数据检索和生成式模型，提升大型语言模型（LLM）的回答准确性和效率。RAGFlow的核心思想是将大规模检索系统与先进的生成式模型相结合，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‌。

之前构建好deepseek:R1后尝试通过插件page assist、AnythingLLM、Anaconda构建的open webui管理，后尝试了其他插件工具chatbox，此工具里集成了一些常用对答模块配合调用自己的本地模型联动或互联网API，近期了解到ragflow可用来构建本地知识助手，由此我进行尝试，将学习过程记录于此。

0x01 环境准备

        基础环境要求：

        CPU >= 4 核

        RAM >= 16 GB

        Disk >= 50 GB

        Docker >= 24.0.0 & Docker Compose >= v2.26.1

docker 到官方网站下载，Download Docker Desktop选择自己系统对应的版本。安装后通过powershell检查已安装软件版本，docker -v 和docker-compose -v 。

 

虚拟化支持：BIOS中启用Inter VT-x 或 AMD-V，Win10系统中，windows功能中启用‘Hyper-V’、‘容器’、‘适用于Linux的Windows子系统’、‘虚拟机平台’的勾选。

我先前遇到安装不成功的情况是在一个Debian的Linux发行版系统内docker-compose版本是v1.xx.x，导致安装ragflow过程出现问题。

wsl验证，通过wsl --version查看是否已支持。

docker加速环境配置，如不配置拉取时会提示：https://registry-1.docker.io/v2/ 请求超时，在docker设置中，docker engine中添加，结构如下（多地址用英文,隔开）：

{

"registry-mirrors": [

"https://dockerproxy.com",

"https://mirror.baidubce.com"

]

}

ragflow 到github下载项目文件，将文件解压到空间充足目录。

进入ragflow/docker目录编辑.env文件，找到RAGFLOW_IMAGE字段修改源，版本按最新的版本获取。（后面可以看出是获取的v0.17.0完整版）

RAGFLOW_IMAGE=swr.cn-north-4.myhuaweicloud.com/infiniflow/ragflow:nightly

华为云镜像名：swr.cn-north-4.myhuaweicloud.com/infiniflow/ragflow

阿里云镜像名：registry.cn-hangzhou.aliyuncs.com/infiniflow/ragflow

0x02 ragflow安装

使用docker compose部署

docker compose -f docker-compose.yml up -d

查看官方对镜像大小的介绍，看到拉取ragflow文件大小约9G+时，我感觉这次是成了，完成后检查服务运行状态‘docker logs -f ragflow-server’ logo画面和本地监听80端口。

0x03 ragflow使用

浏览器访问localhost:80 ,随意注册一个账号即可登录。进入后联动自己的模型，就可以开始探索了。