基于conda源码启动RAGFlow

前提条件

CPU ≥4 核
内存≥16 GB
磁盘≥50 GB
Docker ≥ 24.0.0 和 Docker Compose ≥ v2.26.1
Python >=3.10 & < 3.13
Node >= 18.20.4

如果您尚未在本地计算机(Windows、Mac 或 Linux)上安装 Docker,请参阅安装 Docker Engine指南。

本机环境 

Python 3.12.2

Node 20.15.0

Python环境准备

1. 安装pipx。如已经安装,可跳过本步骤:
    python -m pip install --user pipx
    python -m pipx ensurepath
    ##  验证安装
    pipx --version
2. 安装 uv。如已经安装,可跳过本步骤:
pipx install uv
## 设置为阿里云 PyPI 镜像源
set UV_INDEX=https://mirrors.aliyun.com/pypi/simple
3. 克隆 RAGFlow
git clone https://github.com/infiniflow/ragflow.git
cd ragflow/
4. conda创建虚拟环境:
conda create -n zxzenv python=3.12.2

conda activate ragflow
如果没有安装conda请先按照 conda
5. 修改 pyproject.toml 文件,以支持conda安装 Python 依赖项:

在 pyproject.toml 中,添加 [tool.setuptools.packages.find] 部分,显式指定需要包含的包。例如:

[tool.setuptools.packages.find]
where = ["."]  # 从当前目录查找包
include = [
    "web",
    "rag",
    "sdk",
    "api",
    "logs",
    "conf",
    "helm",
    "agent",
    "docker",
    "zmytest",
    "deepdoc",
    "xgboost",
    "graphrag",
    "intergrations",
    "flask_session"
]
exclude = []  # 排除不需要的包

6. 执行命令安装 Python 依赖项:

pip install -e .

7. 如果报错 缺少 punkt_tab 数据资源:

********************************************************************** Resource punkt_tab not found. Please use t

### 如何在 Windows 操作系统上部署 RAGFlow 源码 #### 准备工作 为了成功在 Windows 上部署 RAGFlow,建议使用 WSL-Ubuntu 来创建一个 Linux 环境。这不仅简化了依赖项管理还提供了更稳定的运行环境[^3]。 #### 安装 wsl-ubuntu 通过微软商店或其他官方渠道安装最新版本的 Ubuntu 发行版到 Windows Subsystem for Linux (WSL)。 #### 配置清华大学软件源(可选) 对于加速包管理和下载速度,可以考虑更换为中国国内镜像站如清华 TUNA 源: ```bash sudo sed -i 's@archive.ubuntu.com@mirrors.tuna.tsinghua.edu.cn@g' /etc/apt/sources.list sudo sed -i 's@security.ubuntu.com@mirrors.tuna.tsinghua.edu.cn@g' /etc/apt/sources.list ``` #### 更新系统并安装基础工具 保持系统的最新状态非常重要,并确保所有必要的编译工具都已就绪: ```bash sudo apt update && sudo apt upgrade -y sudo apt install build-essential cmake git curl wget vim unzip htop tmux screen -y ``` #### 安装 Miniconda 或 Anaconda Python 虚拟环境有助于隔离不同项目的依赖关系。Miniconda 提供了一个轻量级的选择来设置 Python 开发环境: ```bash wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda.sh bash ~/miniconda.sh -b -p $HOME/miniconda source "$HOME/miniconda/etc/profile.d/conda.sh" conda init bash exec bash ``` #### 设置 GPU 支持(CUDA Toolkit) 如果计划利用 NVIDIA 显卡进行训练,则需额外安装 CUDA 和 cuDNN 库支持GPU 加速计算能力: ```bash # 假设已经安装好NVIDIA驱动程序, 推荐采用Conda方式安装CUDA conda create --name ragflow python=3.8 conda activate ragflow conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` #### Git LFS 大文件存储库初始化 由于部分模型权重可能较大,推荐启用Git Large File Storage 功能以便更好地处理这些资源文件: ```bash git lfs install ``` #### Hugging Face 缓存路径配置 为了避免权限问题并将大型预训练模型保存在一个固定位置,可以通过修改环境变量指定HuggingFace Transformer 的默认缓存目录: ```bash export TRANSFORMERS_CACHE="/path/to/cache/directory" echo "export TRANSFORMERS_CACHE=\"/path/to/cache/directory\"" >> ~/.bashrc source ~/.bashrc ``` #### 修改内核参数(vm.max_map_count) 某些情况下,默认的最大内存映射区域数量不足以满足需求,适当调整此值可以帮助解决潜在错误: ```bash sysctl -w vm.max_map_count=262144 echo "vm.max_map_count=262144" | sudo tee -a /etc/sysctl.conf ``` #### Docker Engine 安装 考虑到容器化带来的便利性和一致性优势,强烈建议按照官方文档完成 Docker CE 的安装过程: ```bash curl -fsSL https://get.docker.com -o get-docker.sh sh get-docker.sh sudo usermod -aG docker ${USER} newgrp docker ``` #### Nginx Web Server 构建 虽然不是绝对必要,但拥有反向代理服务器能够增强安全性同时也便于后续扩展服务功能: ```bash sudo apt-get install nginx -y ``` #### 添加环境变量 将上述命令中涉及的所有自定义路径添加至用户的 `.bash_profile` 文件里,使每次登录时自动加载生效: ```bash echo 'export PATH=$PATH:/usr/local/cuda/bin' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc ``` #### 安装 libgdiplus 针对 .NET Core 应用可能出现的问题提前预防性地安装该库: ```bash sudo apt-get install libc6-dev-i386 libgdiplus -y ``` #### 获取并编译 RAGFlow 源代码 最后一步是从 GitHub 克隆仓库并依照官方说明执行具体的构建指令开始体验这款优秀的开源框架吧! ```bash git clone https://github.com/RAGFlow/RAGFlow.git cd RAGFlow/ pip install -r requirements.txt python setup.py develop ```
评论
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