DeepSeek+RagFlow搭建企业级知识库:Docker镜像构建基础篇

【RAGFlow】全由国内镜像源搭建docker版 RAGFlow 可以为各种规模的企业及个人提供一套精简的 RAG 工作流程,结合大语言模型(LLM)针对用户各类不同的复杂格式数据提供可靠的问答以及有理有据的引用。:这里使用的是4核i5 6500的CPU,32G内存,500G硬盘,Docker version 26.1.3, build 26.1.3-0ubuntu1~24.04.1。平台搭建好之后,会默认提供Tongyi-Qianwen的模型,但此时的模型是不可用的,你需要输入可用的API-Key,才能正常使用。– ragflow:主服务,前后端; 阅读详情
AI摘要

本文介绍利用开源框架搭建企业级知识库,提供从构建镜像到安装的傻瓜式教程。涵盖RagFlow安装,包括不同系统的docker安装、参数设置等;还提及ARM平台安装、镜像构建及服务启动。此外,分享了系统学习大模型LLM的资源和学习路线。

背景

随着AI技术的火热发展,企业和个人用户需要搭建知识库的需求越来越迫切。如果自己动手搭建一个功能强大的知识库对于非专业技术人员来说可能面临挑战,更别说那些非专业人士了。我在网上看了大量相关的教程,大多数都是搬砖,偶尔看到一些非搬砖大佬写的教程,总会省略一些细节,导致很多人就算面对教程也是各种踩坑,折腾很久最后也都放弃了。

本文主要内容是利用RagFlow开源框架来搭建企业级知识库。

初衷是考虑到大多数,非技术人员也能搭建,所以我从构建镜像到安装整个过程,为大家提供傻瓜式的教程。

还在苦恼DeepSeek不知道怎么使用使用而苦恼吗,不用着急,寒暄为大家精心总结30个比较全面的DeepSeek提示词模板,按照这个模版写提示词,让工作效率翻倍。

硬件最低要求

  • CPU ≥ 4 核心

  • 运行内存 ≥ 16 GB

  • 磁盘空间 ≥ 50 GB

  • Docker ≥ 24.0.0 & Docker Compose ≥ v2.26.1

安装 RagFlow(通用)

1. RAGFlow 是什么?

RAGFlow 是一款基于深度文档理解构建的开源 RAG(Retrieval-Augmented Generation)引擎。RAGFlow 可以为各种规模的企业及个人提供一套精简的 RAG 工作流程,结合大语言模型(LLM)针对用户各类不同的复杂格式数据提供可靠的问答以及有理有据的引用。

2. docker安装

在开始安装RagFlow之前要首先安装docker。

2.1 Linux 系统
  • **CentOS:**https://blog.youkuaiyun.com/baidu_35160588/article/details/137079725

  • **Ubuntu:**https://www.51cto.com/article/715086.html

  • **Debian:**https://blog.51cto.com/YangPC/12409273

  • **Deepin:**https://bbs.deepin.org/zh/post/274253

2.2 Windows 系统 和 MacOS 系统

去官网下载对应的安装包:https://www.docker.com/

选择自己对应系统架构的安装包下载安装即可。

⚠️这里windows 系统要特别注意,可能需要专业版的系统才支持docker desktop的安装。

3. vm.max_map_count 参数设置

此值设置进程可以拥有的最大内存映射区域数。其默认值为 65530。虽然大多数应用程序需要的映射数少于一千个,但降低此值可能会导致异常行为,并且当进程达到限制时,系统将抛出内存不足错误。

RAGFlow v0.17.0 使用 Elasticsearch 或Infinity进行多次召回。正确设置vm.max_map_count的值对于 Elasticsearch 组件的正常运行至关重要。

⚠️ 确保此参数 ≥ 262144

3.1 Linux

3.1.1 检查vm.max_map_count的值:

$ sysctl vm.max_map_count   

3.1.2 如果不是,则将vm.max_map_count重置为至少 262144 的值。

$ sudo sysctl -w vm.max_map_count=262144   

⚠️此更改将在系统重启后重置。如果您在下次启动服务器时忘记更新该值,您可能会收到Can't connect to ES cluster异常。

3.1.3 为确保您的更改永久生效,请在/etc/sysctl.conf中相应地添加或更新vm.max_map_count值:

vm.max_map_count=262144   
3.2 MacOs系统

如果你使用的是装有 Docker Desktop 的 macOS,请运行以下命令来更新vm.max_map_count :

docker run --rm --privileged --pid=host alpine sysctl -w vm.max_map_count=262144   

⚠️此更改将在系统重启后重置。如果您在下次启动服务器时忘记更新该值,您可能会收到Can't connect to ES cluster异常。

3.3 Windows

3.3.1 如果您在装有 Docker Desktop 的 Windows 上,则必须使用 docker-machine 来设置vm.max_map_count :

$ docker-machine ssh   $ sudo sysctl -w vm.max_map_count=262144   

3.3.2 如果你在带有 Docker Desktop WSL 2 后端的 Windows 上,则使用 docker-desktop 设置vm.max_map_count :

$ wsl -d docker-desktop -u root   $ sysctl -w vm.max_map_count=262144   

详细设置请参考官网文档:https://ragflow.io/docs/v0.17.0/

4.克隆源代码并切换分支

$ git clone https://github.com/infiniflow/ragflow.git   $ cd ragflow/docker   $ git checkout -f v0.17.0   

5.使用Docker镜像启动服务器

以下命令拉取 RAGFlow Docker 镜像的v0.17.0-slim版本。请参阅下表了解不同 RAGFlow 版本的描述。要下载不同于v0.17.0-slim RAGFlow 版本,请在使用docker compose启动服务器之前在docker/.env中相应地更新RAGFLOW_IMAGE变量。

例如:为完整版本v0.17.0设置 RAGFLOW_IMAGE=infiniflow/ragflow:v0.17.0 。

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

.env文件:如果使用AMD64(比如大部分windows系统和大部分Linux系统和Inter芯片的MacOS系统)架构并且使用docker安装的情况下,最好不要修改这个环境配置文件。

|
镜像版本

|

镜像大小

|

是否嵌入模型和Python包

|

是否稳定

|
| — | — | — | — |
|

v0.17.0

|

≈9

|

✔️

|

是

|
|

v0.17.0-slim

|

≈2

|

❌

|

是

|
|

nightly

|

≈9

|

✔️

|

否

|
|

nightly-slim

|

≈2

|

❌

|

否

|

6. 检查服务器状态

$ docker logs -f ragflow-server   

如果有以下输出可以确认系统启动成功:

     `____   ___    ______ ______ __       / __ \ /   |  / ____// ____// /____  _      __      / /_/ // /| | / / __ / /_   / // __ \| | /| / /     / _, _// ___ |/ /_/ // __/  / // /_/ /| |/ |/ /    /_/ |_|/_/  |_|\____//_/    /_/ \____/ |__/|__/       * Running on all addresses (0.0.0.0)`

7. 如何访问?

在您的 Web 浏览器中,输入服务器的 IP 地址并登录 RAGFlow。

如果出现以下页面,恭喜你,已经成功搭建RAGFlow。

ARM 怎么安装 RAGFlow?

如果我们需要在ARM64(比如M芯片的MacOS系统)平台安装RAGFlow。但是RAGFlow官方不维护 ARM 的 RAGFlow Docker 镜像。不过,我们也可以在linux/arm64或darwin/arm64主机上自行构建镜像。

对于 ARM64 平台,请将pyproject.toml中的xgboost版本升级到1.6.0并确保unixODBC正确安装。

构建 Docker 映像

1. 克隆代码
git clone https://github.com/infiniflow/ragflow.git   

⚠️注意:如果出现超时无法克隆的情况,需要把代理路径修改成本地代理就可以了。

git config --global http.proxy http://127.0.0.1:7890   
2. 下载一系列依赖项,包括文件、自然语言处理(NLP)数据包以及 Hugging Face 上的模型仓库
cd ragflow/   uv run download_deps.py   
3. 构建 infiniflow/ragflow_deps Docker镜像
docker build -f Dockerfile.deps -t infiniflow/ragflow_deps .   
4. 拉取ubuntu:22.04 docker 基础镜像

因为之后构建infiniflow/ragflow:nightly-slim镜像需要使用到这个基础镜像,由于国内网络环境原因,这个镜像没法使用魔法拉取,只能使用代理服务器进行拉取。

4.1 代理拉取镜像
docker pull dockerproxy.net/library/ubuntu:22.04   
4.2 重命名镜像
docker tag dockerproxy.net/library/ubuntu:22.04 ubuntu:22.04   
4.3 删除代理镜像
docker rmi dockerproxy.net/library/ubuntu:22.04   
5.构建 infiniflow/ragflow:nightly-slim镜像
docker build --build-arg LIGHTEN=1 -f Dockerfile -t infiniflow/ragflow:nightly-slim .   

⚠️注意:这个过程相当漫长,寒暄在这一步可是等了一个多小时。

启动 RAGFlow 服务

构建 infiniflow/ragflow:nightly-slim 映像后,您就可以启动具有所有必需组件(如 Elasticsearch、MySQL、MinIO、Redis 等)的功能齐全的 RAGFlow 服务。

1.例如:在 Apple M3 Max 启动服务
1.1 编辑 Docker Compose 配置

打开 docker/docker-compose-base.yml 文件。找到infinity.image设置并将图像引用从 infiniflow/infinity:v0.6.0-dev3 更改为 infiniflow/ragflow:nightly-slim 以使用预建图像。

infinity:     container_name: ragflow-infinity     image: infiniflow/ragflow:nightly-slim # here     volumes:       - ...       - ...     ...   

1.2 启动服务
cd docker   $ docker compose -f docker-compose-macos.yml up -d   

⚠️注意:这个过程可能会比较久,跟网络环境机器配置都有关系。

1.3 访问 RAGFlow 服务

启动完成之后,打开你的网络浏览器并导航到http://127.0.0.1或你的服务器的;(默认端口是= 80)。您将被引导至RAGFlow 欢迎页面。尽情享受吧!🍻

究极方案

如果以上方法没办法构建ARM镜像,寒暄为大家已经编译好了离线镜像包,下载离线镜像包导入到docker 直接运行就可以了。

如何使用离线镜像包?

1. 下载离线镜像包并上传到docker 宿主机(你安装docker的主机)

2. docker导入镜像包

  • 在如图所示的文件夹打开终端

    执行以下命令

    docker load -i docker-ragflow.tar.gz   
    

3. 启动服务器

  • 在如图所示的文件夹下打开终端

    执行以下命令

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

    看到容器成功启动就可以尽情的玩耍RAGFlow

如何系统的去学习大模型LLM ?

大模型时代,火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业?”“谁的饭碗又将不保了?”等问题热议不断。

事实上,抢你饭碗的不是AI,而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后,很多中小企业也陆续进场!超高年薪,挖掘AI大模型人才! 如今大厂老板们,也更倾向于会AI的人,普通程序员,还有应对的机会吗?

与其焦虑……

不如成为「掌握AI工具的技术人」,毕竟AI时代,谁先尝试,谁就能占得先机!

但是LLM相关的内容很多,现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学,学习成本和门槛很高。

基于此,我用做产品的心态来打磨这份大模型教程,深挖痛点并持续修改了近70次后,终于把整个AI大模型的学习门槛,降到了最低!

在这个版本当中:

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲,跟着我做即可,为了让学习的道路变得更简单,这份大模型教程已经给大家整理并打包,现在将这份 LLM大模型资料 分享出来:包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓

👉优快云大礼包🎁:全网最全《LLM大模型入门+进阶学习资源包》免费分享(安全链接,放心点击)👈

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点,那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集,涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程(LLaLA/Meta/chatglm/chatgpt)

在这里插入图片描述

五、AI产品经理大模型教程

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1:AI大模型时代的基础理解

  • 目标:了解AI大模型的基本概念、发展历程和核心原理。

  • 内容:

    • L1.1 人工智能简述与大模型起源
    • L1.2 大模型与通用人工智能
    • L1.3 GPT模型的发展历程
    • L1.4 模型工程
    • L1.4.1 知识大模型
    • L1.4.2 生产大模型
    • L1.4.3 模型工程方法论
    • L1.4.4 模型工程实践
    • L1.5 GPT应用案例

阶段2:AI大模型API应用开发工程

  • 目标:掌握AI大模型API的使用和开发,以及相关的编程技能。

  • 内容:

    • L2.1 API接口
    • L2.1.1 OpenAI API接口
    • L2.1.2 Python接口接入
    • L2.1.3 BOT工具类框架
    • L2.1.4 代码示例
    • L2.2 Prompt框架
    • L2.3 流水线工程
    • L2.4 总结与展望

阶段3:AI大模型应用架构实践

  • 目标:深入理解AI大模型的应用架构,并能够进行私有化部署。

  • 内容:

    • L3.1 Agent模型框架
    • L3.2 MetaGPT
    • L3.3 ChatGLM
    • L3.4 LLAMA
    • L3.5 其他大模型介绍

阶段4:AI大模型私有化部署

  • 目标:掌握多种AI大模型的私有化部署,包括多模态和特定领域模型。

  • 内容:

    • L4.1 模型私有化部署概述
    • L4.2 模型私有化部署的关键技术
    • L4.3 模型私有化部署的实施步骤
    • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓

👉优快云大礼包🎁:全网最全《LLM大模型入门+进阶学习资源包》免费分享(安全链接,放心点击)👈

​

Windows 下本地 Docker RAGFlow 部署指南 阅读详情

相关推荐

从Docker部署到访问RagFlow:超详细避坑指南

详细记录了Docker部署RagFlow的全流程及问题解决方案。

qq_45184435的博客 5392

搭建RAGFlow

是一款基于深度文档理解构建的开源 RAG(Retrieval-Augmented Generation)引擎。RAGFlow 可以为各种规模的企业及个人提供一套精简的 RAG 工作流程,结合大语言模型(LLM)针对用户各类不同的复杂格式数据提供可靠的问答以及有理有据的引用。

sqlora的专栏 1万+

DeepSeek部署及ragflow知识库问题汇总

普通的AI大模型:基于训练好的数据回答,知识库+AI:基于知识库和训练数据回答,网络Tools+知识库+AI:再加上网络数据回答,涉及到agent等知识,后续如果需求的朋友多会考虑出一期。A:仍然是镜像源的问题,设置镜像源后建议重启docker,截至视频发布,视频内镜像源仍可访问,如果还是不行,可以增加镜像源,配置如下。,如果不太熟悉git,一键安装包中已经下载好了,ragflow文件夹中就是,跳过下载,按照步骤操作即可。4.启动模型:也可以启动快捷图标ollama 即可在CMD模式下 使用交互窗口交互。

qq_40358970的博客 8881

ragflow之初体验

文本嵌入(Text Embedding)是将文本数据转化为固定维度向量表示的过程,这些向量可以捕捉文本的语义信息,使相似的文本在向量空间中距离较近,从而便于进行相似度计算、分类和聚类任务。【注意】docker运行环境、docker-compose的二进制版本从此处下载:https://download.docker.com/linux/static/stable/x86_64/、https://github.com/docker/compose/releases?

smartvap_2012的博客 6993

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

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。

F8_11的博客 2437

stm32f103c8t6+esp8266在WiFi下通过手机控制外设

stm32f103c8t6+esp8266在WiFi下通过手机控制外设前言 前言 通过上一篇,介绍了esp8266的基本功能,这篇将用stm32c8t6配合esp8266进行数据交互,实现用手机通过无线的方式去控制外设、开关等;这里相当于把stm32作为上一篇的串口助手和esp8266进行通信; ...

weixin_45430735的博客 1万+

DeepSeek+RagFlow搭建企业级知识库:Docker镜像构建基础篇(附教程)

DeepSeek+RagFlow搭建企业级知识库:Docker镜像构建基础篇(附教程)

AAI666666的博客 3018

Pulpino SoC中挂载AXI从机接口的自定义IP说明

AXI 从机接口挂载 Pulpino SoC 调试Pulpino SoC中挂载AXI从机接口的自定义IP说明PULPion SoC介绍自定义AXI IP挂载IP挂载框图代码修改脚本修改自定义AXI IP调试C语言编写软件调试硬件调试 Pulpino SoC中挂载AXI从机接口的自定义IP说明 本篇文章主要从工程的角度描述了如何将具有AXI从机接口的自定义IP挂载到Pulpino SoC上,其中不涉及到SoC中的任何原理知识。 PULPion SoC介绍 PULPion SoC整体架构如下图所示, PULPi

小陈的芯片学习之路 2212

0基础玩deepseek+RAGFlow本地部署+搭建知识库

宝子们😎,还在为找资料东奔西走,被付费知识 “割韭菜” 而烦恼吗🧐?今天就给大家分享超实用的技术干货 ——DeepSeek 和 RAGFlow 本地部署,再手把手教你搭建专属知识库📚,让知识管理和获取变得轻松又高效,而且 0 基础也能轻松上手!宝子们😎,还在为找资料东奔西走,被付费知识 “割韭菜” 而烦恼吗🧐?今天就给大家分享超实用的技术干货 ——DeepSeek 和 RAGFlow 本地部署,再手把手教你搭建专属知识库📚,让知识管理和获取变得轻松又高效,而且 0 基础也能轻松上手!1、安装。

m0_58592891的博客 2万+

ZYNQ双核通信实战:手把手教你用OpenAMP搭建Linux+FreeRTOS开发环境(2018.3版)

本文详细介绍了如何在ZYNQ平台上使用OpenAMP框架实现双核通信,构建Linux与FreeRTOS协同开发环境。从开发环境配置、系统组件编译到OpenAMP框架应用,手把手指导开发者完成ZYNQ双核通信系统的搭建与调试,为异构计算开发提供实用解决方案。

weixin_33737134的博客 477

抖音a_bogus参数逆向避坑指南:从环境检测到XHR请求的全流程解析

本文详细解析了抖音a_bogus参数在v1.0.1.19版本下的逆向工程全流程,重点介绍了如何通过PyV8Env框架进行有效的补环境操作,以绕过严格的环境检测。内容涵盖从环境初始化、关键事件触发到模拟XHR请求获取签名的完整步骤,并提供了可运行的Python代码示例和常见检测点的避坑指南,帮助开发者稳定生成有效的a_bogus参数。

tech5的博客 604

DeepSeek RAGFlow构建本地知识库系统

本文详细的介绍了DeepSeek+RAGFlow 构建本地知识库系统,包含下载Docker,安装Docker,RAGFlow配置,新建知识库、模型配置及新建知识问答等内容。

助力企业数字化转型及企业院校赋能培训 1万+

Petalinux 2021.2 下 Qt组件编译报错?手把手教你修改bb文件搞定qt3d/qtquickcontrols2

本文详细解析了Petalinux 2021.2环境下Qt组件(如qt3d、qtquickcontrols2)编译报错的解决方案。通过修改bb文件或使用bbappend文件覆盖,有效解决`petalinux-build --sdk`命令执行时的源码获取失败或哈希校验不匹配问题,并提供验证与调试技巧,帮助开发者快速修复构建流程中断问题。

weixin_29188997的博客 216

DeepSeek+Ragflow搭建个人知识库

利用Deepseek+Ragflow搭建的知识库过程还是比较简单,正常跟着流程走不容易出错。如果投喂的数据经过整合处理,那么反馈的结果还是有一定的实际意义。当前个人能部署的模型参数太少,尚处于体验阶段。相信不久的将来,大模型不断发展,个人能部署性能更强大的模型。

m0_63171455的博客 7091

飞行机械臂设计

其后对飞行机械臂系统的机 理模型和基于 ADAMS 的物理模型进行了控制系统的搭建,对于机理模 型,设计了三个输入通道,分别是俯仰力矩,翻滚力矩与偏航力矩,控 制量为翻滚角,俯仰角,偏航角。四旋翼无人机自身具有独特的优势,在无人机上增加机械臂,整个 机体系统相当于一架空中行动自如的空中机器人,可以适应更多的应用场合,能够实现空中抓取,运输载荷,巡航监视等任务。的函数模块如图 4-8 所示,可见输入为 U1,U2,U3,U4,分别对应总力矩,俯仰力矩,翻滚力矩,偏航力矩,控制 量为俯仰角,翻滚角,偏航角。

coldmood77的博客 2920

将Dify平台开发的工作流集成到Open WebUI中

将Dify开发的工作流集成到Open WebUI是一个能够显著增强AI应用交互能力和业务逻辑深度的有效途径。其核心在于通过API建立两者间的通信桥梁,并确保API在格式、协议和行为上的一致性,特别是向OpenAI Chat API规范看齐。最简单直接的路径是利用Dify的“对话型”或“Agent型”应用,这类应用的API设计更倾向于满足Open WebUI这类聊天前端的期望。然而,面对复杂的现实场景,直接的完美兼容并非总是唾手可得。

形上得其象,形下合于数;阴阳自济,玄理自明。 2032

在笔记本电脑上用DeepSeek搭建个人知识库

本文尝试在个人笔记本电脑上部署DeepSeek并使用开源工具搭建一套个人知识库,实现完全在本地环境下使用本地文档搭建个人知识库。操作过程共享出来,供大家参考。

陈喆小博 2万+

Python爬虫实战:汽车之家车型参数与口碑数据抓取分析

在当今信息爆炸的时代,购车决策已从传统的4S店咨询转变为数据驱动的智能化过程。汽车之家作为国内领先的汽车信息平台,汇聚了海量车型参数、车主口碑和专业评测数据。本文将详细介绍如何使用Python最新爬虫技术构建一个高效、稳定的汽车数据采集系统,通过多维度数据分析辅助用户做出更明智的购车决策。本项目将采用异步爬虫、智能反爬绕过、数据清洗与分析等现代化技术栈,完整实现从数据采集到可视化分析的全流程。本文详细介绍了如何使用Python最新技术构建一个功能完整的汽车之家数据爬虫系统。

2201_76125261的博客 1490

基于DeepSeek的本地化知识库 RAGFlow 搭建(附带镜像链接)

这个下载镜像基本都需要科学工具,设置不好,也不容易起作用,我这边就提供个下载地址。

蓝创精英团队 8547

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

本地知识库RAGFlow+Ollama+DeepSeek

根据说明,slim镜像是不含Embedding Models的,需要修改RAGFlow的docker配置,文件位于你解压目录的docker/.env。配置如下,Url要本机的IPv4地址(在cmd或PowerShell中输入ipconfig查看),点确定。注意,解析状态是“未解析”,点右侧的三角型按钮。RAGFlow需要借助Docker安装,如果PC上没有部署Docker,需要先安装下载安装Docker。在“聊天”中新建助理,知识库选择在上面创建的名字,其它内容可以自己调整,点确定。

Lynn55的博客 2496

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

Docker +RagFlow 搭建本地AI知识库

RAGFlow是高效的开源检索增强生成引擎,支持深度文档理解、模板化分块、可靠引用等,兼容多数据源,提供自动化RAG工作流,适用于企业办公、医疗、学术、传媒、金融、法律等领域。

IT小郭的技术博客 4656

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

保姆级教程:DeepSeek+RAG技术实现企业级知识库搭建(附完整部署流程)

网页版不够用?手把手教你打造定制化DeepSeek知识库

树後蹲壹熊 2万+
上一篇: Windows下最详尽的Ollama+Deepseek-r1 本地部署手册
下一篇: 建议大家尽早开始搭建个人知识库
Llama-Turbo
博客等级 码龄4年 9901粉丝 2025原创
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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