【AI大模型开发】零基础也能搞定！手把手教你安装RAGFlow，打造智能文档问答系统

在人工智能领域，RAG（检索增强生成）技术正掀起一场效率革命。但传统RAG开发门槛高、流程复杂，让许多开发者望而却步。RAGFlow 的出现彻底改变了这一局面——这款开源工具将RAG流程标准化，支持多种格式文档解析，内置智能语义检索，甚至提供“开箱即用”的API。无论是构建企业知识库还是智能客服，RAGFlow都能让开发效率提升200%！

核心优势速览

• 多模态解析：PDF、Word、Markdown、PPT、Excel等格式一键解析
• 精准检索：基于DeepDoc的语义向量模型，告别关键词匹配的局限性
• 低代码开发：可视化流程配置，API即调即用
• 企业级安全：私有化部署保障数据隐私

---

安装前准备

1. 操作系统：Linux/MacOS（推荐）或 Windows 10+
2. 运行环境：

• Docker 20.10+
• Docker Compose 2.0+

3. 硬件配置：

• CPU：4核以上（建议Intel i5+/AMD Ryzen5+）
• 内存：8GB+（文档量大建议16GB）
• 磁盘：50GB+可用空间

---

四步极简安装指南

Step 1：到github下载项目源码
github地址：https://github.com/infiniflow/ragflow

Step 2：修改配置文件
因为我们之前已经安装了Dify项目，而这两个项目都用到了redis，而且它们的web端默认都使用80端口，所以为了避免冲突，我们得修改配置文件。先将上一步从github上下载好的源码解压。

1）修改web访问默认端口

要修改的文件在解压好的源码文件里的docker文件夹里。

在.env文件里新增一行：

WEB_PORT=90

在docker-compose.yml文件里，services.ragflow.ports下新增端口号：

${WEB_PORT}:80

2）修改redis配置

.env文件里，将REDIS_HOST修改为ragflow-redis ，将REDIS_PORT改为7379

docker-compose-base.yml文件里，将services下redis服务名称改为ragflow-redis

Step 3：启动服务
以管理员打开PowerShell，进入ragflow源码里的docker目录，并在命令行中输入以下命令：

docker compose up -d

等待服务启动完成

Step 4：验证安装
访问 http://localhost:90，(端口号90即我们在.env文件里新增的WEB_PORT) 看到如下界面即安装成功！

刚启动好，先点下面的Sign up去注册账号，然后Sigh in登录。

快速体检

1)在RAGFlow中配置模型

按如下图添加Ollama模型

我配置了硅基的API，参见（DeepSeek官网老是提示"服务器繁忙，请稍后再试"怎么办？附Deepseek-R1最新可用网址和指导手册等资料）

在系统模型设置里设置好聊天模型和嵌入模型。

2）创建知识库

创建知识库，先配置，然后在数据集栏里新增文件，并解析文件

3）简单测试

在检索测试里输入测试文本，简单测试一下，系统自动展示相关段落并生成摘要

---

典型应用场景

1. 企业知识库：快速构建合同/财报/技术文档问答系统
2. 教育领域：将教材转化为智能学习助手
3. 客服中心：自动提取服务手册中的解决方案
4. 个人效率：论文阅读/法律文件解析神器

---

结语
RAGFlow的安装就像搭积木一样简单，但其带来的生产力提升却是革命性的。无论你是AI工程师、产品经理，还是业务部门负责人，现在只需一行Docker命令，就能让企业拥有媲美ChatGPT的智能问答能力，而且完全掌控数据主权！

大模型算是目前当之无愧最火的一个方向了，算是新时代的风口！有小伙伴觉得，作为新领域、新方向人才需求必然相当大，与之相应的人才缺乏、人才竞争自然也会更少，那转行去做大模型是不是一个更好的选择呢？是不是更好就业呢？是不是就暂时能抵抗35岁中年危机呢？

答案当然是这样，大模型必然是新风口！

那如何学习大模型 ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。但是具体到个人，只能说是：

最先掌握AI的人，将会比较晚掌握AI的人有竞争优势。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

但现在很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，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100余次后，终于把整个AI大模型的学习路线完善出来！

在这个版本当中：

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，这份大模型路线+学习教程已经给大家整理并打包分享出来, 😝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大模型学习资源包》免费分享（安全咨料，放心领取）👈

​

一、大模型经典书籍（免费分享）

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。

二、640套大模型报告（免费分享）

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)

三、大模型系列视频教程（免费分享）

四、2025最新大模型学习路线（免费分享）

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取

👉优快云大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全资料，放心领取）👈

​