RAGFlow的使用

1.确保 vm.max_map_count 不小于 262144

最大内存映射区域数，其默认值为 65530

RAGFlow v0.19.1 使用 Elasticsearch 或 Infinity 进行多次召回。正确设置 的值对于 Elasticsearch 组件的正常运行至关重要。

2.克隆仓库

$ git clone https://github.com/infiniflow/ragflow.git

3. 创建 Python 虚拟环境（推荐）

python -m venv ragflow_env
ragflow_env\Scripts\activate  # 激活虚拟环境

4. 安装依赖

在虚拟环境中运行：

pip install -r requirements.txt

5. 启动 RAGFlow

python main.py

6.访问 

http://localhost

7.创建知识库

添加模型

设置默认模型

8.新建助手

附：

源码编译 Docker 镜像（不含 embedding 模型）

本 Docker 镜像大小约 2 GB 左右并且依赖外部的大模型和 embedding 服务。

cd ragflow/
docker build --platform linux/amd64 --build-arg LIGHTEN=1 --build-arg NEED_MIRROR=1 -f Dockerfile -t infiniflow/ragflow:nightly-slim .

源码编译 Docker 镜像（包含 embedding 模型）

本 Docker 大小约 9 GB 左右。由于已包含 embedding 模型，所以只需依赖外部的大模型服务即可。

git clone https://github.com/infiniflow/ragflow.git
cd ragflow/
docker build --platform linux/amd64 --build-arg NEED_MIRROR=1 -f Dockerfile -t infiniflow/ragflow:nightly .

 利用提前编译好的 Docker 镜像启动服务器

 $ cd ragflow/docker
   # Use CPU for embedding and DeepDoc tasks:
   $ docker compose -f docker-compose.yml up -d

   # To use GPU to accelerate embedding and DeepDoc tasks:
   # docker compose -f docker-compose-gpu.yml up -d