腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

综合排序丨最热优先丨最新优先

🚀 Docker 部署 RAGFlow 全流程教程

RAGFlow 简介RAGFlow 是开源的下一代 RAG（Retrieval-Augmented Generation）系统，它结合了搜索引擎（向量数据库/Elasticsearch/Infinity 3、下载 RAGFlow 镜像3.1 使用轩辕镜像拉取（推荐）docker pull docker.xuanyuan.run/infiniflow/ragflow:v0.15.0-slim3.2 拉取后改名 /ragflow:v0.15.0-slim infiniflow/ragflow:v0.15.0-slim \&& docker rmi docker.xuanyuan.run/infiniflow/ragflow 4、启动 RAGFlow4.1 克隆官方仓库git clone https://github.com/infiniflow/ragflow.gitcd ragflow 为什么需要克隆官方仓库？结尾至此，你已经完成了 RAGFlow 的 Docker 部署！

2025-10-24

6.6K0

标签:

大模型部署

内网环境在 RAGFlow 中使用 MinerU

本文可作为使用教程：如何在 RAGFlow 中使用 MinerU[1] 的补充，介绍如何在内网环境下配置 MinerU 解析器以供 RAGFlow 使用。前提假设已通过 docker 的形式在内网环境部署 RagFlow RAGFlow 版本 >= v0.21.1 有内网环境 pip 源安装 MinerU 更新 .env 文件在 .env[2] 文件中添加如下内容 /volume/.venv:/ragflow/uv_tools/.venv env_file: .env networks: - ragflow 重建 ragflow-cpu 容器在 ragflow/docker[6] 路径下执行： $ docker compose down ragflow-cpu $ docker compose up -d ragflow-cpu 安装 MinerU 通过 docker exec -ti docker-ragflow-cpu-1 bash 进入容器执行安装： $ pwd /ragflow $ cd uv_tools $ uv venv

2026-03-16

1.3K0

标签:

深度解读RAGFlow的深度文档理解DeepDoc

4 月 1 日，Infinity宣布端到端 RAG 解决方案 RAGFlow 开源，仅一天收获上千颗星，到底有何魅力？我们来安装体验并从代码层面来分析看看。安装体验服务器需要有docker，或者直接访问官方提供的demo： https://demo.ragflow.io/ docker-compose安装需要确保 vm.max_map_count 不小于 262144 【更多】： sysctl -w vm.max_map_count=262144 克隆仓库： $ git clone https://github.com/infiniflow/ragflow.git 体验启动成功后，浏览器输入 http://服务器ip 或者直接访问官方demo https://demo.ragflow.io/ 注册登录，进入后可以创建知识库，然后上传文档。 DeepDoc 介绍 DeepDoc 是 RAGFlow 的核心组件，它利用视觉信息和解析技术，对文档进行深度理解，提取文本、表格和图像等信息。

2024-04-10

17.7K0

标签:

RAGFlow-一款开源的RAG引擎

RAGFlow 是什么？ RAGFlow[1] 是一款基于深度文档理解构建的开源 RAG（Retrieval-Augmented Generation）引擎。 1.服务器启动成功后再次确认服务器状态： $ docker logs -f ragflow-server 1.在你的浏览器中输入你的服务器对应的 IP 地址并登录 RAGFlow。 $ cd ragflow/$ docker build -t infiniflow/ragflow:v0.2.0 . $ cd ragflow/docker$ chmod +x . ://demo.ragflow.io/ [2] 深度文档理解: https://github.com/infiniflow/ragflow/blob/main/deepdoc/README.md [3] [22] FAQ: https://github.com/infiniflow/ragflow/blob/main/docs/faq.md [23] RAGFlow Roadmap 2024: https

2024-04-18

13.7K0

标签:

GraphRAG 知识图谱在 RagFlow 中的实现

1 模块概述 GraphRAG 是 RagFlow 的知识图谱增强检索模块，通过构建实体-关系图谱来增强传统 RAG 的检索能力。该模块位于 graphrag/ 目录下。 def get_llm_cache(model_name, system, history, gen_conf): """缓存 LLM 调用结果""" pass 10 小结本章介绍了 RagFlow

2026-04-09

3940

标签:

RAGFlow 开源检索增强 AI 知识库部署教程

使用过 dify 和 fastgpt 的产品大家都知道还有一款增强 RAG 平台 RAGFlow，博主早在 2023 年 AI 盛行的时候就调研过这款产品，现在已经 2025 年，截止目前最新版本已经来到了 0.22.1了，为什么一直没有选用这款产品最大的特点就是吃内存，给人一种非常卡顿，相比 dify 和 fastgpt 平台 4c8h 的配置都能流畅使用来说，劝退大家的还是资源占用问题，但是最近刚好有接到部署 RAGFlow 介绍 RAGFlow 是一个领先的开源检索增强生成（RAG）引擎，将前沿的 RAG 与代理能力融合，为大型语言模型创建了更优越的上下文层。它提供了一套精简的 RAG 工作流程，适用于任何规模的企业。 RAGFlow 依靠融合上下文引擎和预构建的代理模板，使开发者能够高效且精准地将复杂数据转化为高保真、生产准备的 AI 系统。 up -d docker logs -f docker-ragflow-cpu-1 最后等待日志输出如下图案则可以访问服务器IP:80即可。

2026-01-09

2K0

标签:

企业开源知识库RAGFlow使用教程

这绝对是全网最详细的教程（下）》，其中我们外部连接知识库时，选了RAGFlow，今天我们来详细介绍下RAGFlow是如何使用的。官方文档（v0.19.0版本）：https://ragflow.io/docs/v0.19.0 安装启动项目Clone到本地之后，同样用Docker方式进行安装。 Tips：为什么RAGFlow的硬件配置那么高，远高于DIfy安装需要的配置。切片方法：这里是RAGFlow整体工具最核心的地方了。也是RAGFlow可以成为最接近企业级知识库的原因，因为它提供了各种不同的切片方法，可支持对各种不同的文档类型进行切片。 ----- 到这里，RAGFlow的基础使用就讲完了，整体上给大家串了一遍RAGFlow平台的使用流程，关于创建知识库和聊天这两个核心功能，在演示时，参数大多也都是用默认的，里面有很多设置的技巧和细节都没讲到

2026-06-17

130

标签:

探索RAGFlow：解锁生成式AI的无限潜能（26）

1.RAGFlow 是什么 1.1 RAGFlow 的定义 RAGFlow 是一种融合了数据检索与生成式模型的新型系统架构，其核心思想在于将大规模检索系统与先进的生成式模型（如 Transformer、验证服务状态：通过 docker ps 命令查看是否成功启动 ragflow-server、ragflow-es-01、ragflow-mysql、ragflow-minio 四个容器，也可使用 docker 4.RAGFlow 的应用场景 4.1 智能客服与虚拟助理在电商领域，RAGFlow 为智能客服带来了革命性的变革。而借助 RAGFlow，这一过程变得高效而准确。RAGFlow 可以从企业的财务系统、销售数据库、市场调研报告等多个数据源中检索相关信息。 8.总结 8.1 回顾 RAGFlow 的关键要点 RAGFlow 作为生成式 AI 领域的创新技术，展现出了强大的功能和独特的优势。

正在走向自律

2025-06-16

2.9K0

标签:

ragflow v0.21.1 发布：功能更新与优化详解

发布时间：2025年10月23日 ragflow v0.21.1 版本正式发布，本次版本对功能、性能、文档和界面等多个方面进行了更新和优化，涵盖了模型支持、解析器能力、知识库管理、界面交互以及开发工具等 • 架构图与 ragflow-cli 版本更新。总结代码地址：github.com/infiniflow/ragflow ragflow v0.21.1 是一次功能与稳定性双提升的重要版本，特别是在多模态解析、知识库管理、管道可视化以及管理端能力方面均有明显升级对于使用 RAGFlow 进行知识检索、文档解析及智能应用构建的开发者来说，该版本的更新值得尽快升级体验。我们相信人工智能为普通人提供了一种“增强工具”，并致力于分享全方位的AI知识。

福大大架构师每日一题

2025-12-18

9090

标签:

ragflow部署安装mac版本#腾讯技术创作特训营S12#AI进化论#项目实战

ragflow部署安装#腾讯技术创作特训营S12#AI进化论一:ollama安装,自行完成,我本地已安装二:查看大模型情况:命令ollama list,我本地无ragflow三:docker安装:命令docker version ,自行完成,我本地已安装四:安装知识库软件ragflow:简单科普下Ragflow 是一个基于深度学习模型的问答生成工具，旨在为用户提供上下文相关的问题答案。 `为你的Ragflow项目的GitHub仓库地址。克隆Ragflow的GitHub仓库： ```bash git clone https://github.com/your-ragflow-repository cd your-ragflow-repository 启动Ragflow服务： ```bash python -c "from ragflow import serve; serve.run()"### **第五步：访问Ragflow API**1.

2025-03-10

2.3K0

标签: