RAGFlow 基于深度文档理解构建的开源 RAG引擎 - 使用Ollama添加大模型

最新推荐文章于 2025-04-24 16:35:57 发布

二分掌柜的

最新推荐文章于 2025-04-24 16:35:57 发布

阅读量593

点赞数 1

分类专栏：大模型 YOLOv5 文章标签：大模型 rag

本文链接：https://blog.csdn.net/flyfish1986/article/details/144719671

版权

大模型同时被 2 个专栏收录

237 篇文章

订阅专栏

YOLOv5

98 篇文章

订阅专栏

RAGFlow 基于深度文档理解构建的开源 RAG引擎 - 使用Ollama添加大模型

flyfish

当安装完ragflow之后，开始添加大模型

$ git clone https://github.com/infiniflow/ragflow.git
$ cd ragflow
$ docker compose -f docker/docker-compose.yml up -d

浏览器打开http://localhost/login 请添加图片描述
登录之后

启动ollama

export OLLAMA_HOST=0.0.0.0 
ollama serve

添加模型

请添加图片描述

http://host.docker.internal:11434

添加之后多了一个Ollama

请添加图片描述

关注博主即可阅读全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

二分掌柜的

关注关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

开源项目RAGFlow Docker部署安装教程

猿小白的博客

02-09

2441

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。

【DeepSeek R1构建本地RAG知识库】Reranker模型原理详解

少说，多做

04-08

203

随着生成式AI技术的迅猛发展，Retrieval-Augmented Generation（RAG）作为一种结合信息检索与文本生成的技术框架，正在变得越来越流行。它不仅提高了生成内容的相关性和精确度，还在许多实际应用场景中展现出了巨大的潜力。在本文中，我们将深入探讨如何使用DeepSeek R1来构建一个本地化的RAG知识库，并重点介绍其中的关键组件——Reranker模型的工作原理。Reranker模型的主要任务是对检索器初步筛选出来的结果进行重新排序，以确保最相关、最有用的信息能够被优先展示给用户。

参与评论您还未登录，请先登录后发表或查看评论

Docker Desktop如何恢复出厂设置

我用VB编程滴

02-14

763

在测试dify、ragfow等几个模型过程中，各种拉镜像建容器，导致错误提示“AssertionError(Can t access Redis. Please check the Redis status.)”，两个模型都无法使用，如何清空重建？

使用Ollama(自定义安装位置)与RagFlow构建本地知识库

weixin_45897172的博客

03-23

1589

检索(Retrieval)的详细过程:准备外部知识库:外部知识库可能来自本地的文件、搜索引擎结果、API等等。通过 Embedding (嵌入)模型，对知识库文件进行解析:Embedding 的主要作用是将自然语言转化为机器可以理解的高维向量，并且通过这一过程捕获到文本背后的语义信息(比如不同文本之间的相似度关系);用户的输入同样会经过嵌入(Embedding)处理，生成一个高维向量。拿用户的提问去匹配本地知识库:使用这个用户输入生成的这个高纬向量，去查询知识库中相关的文档片段。

RagFlow+Ollama 构建RAG私有化知识库

技术宅男改变世界

02-18

2305

官网RAGFlow是一个基于对文档深入理解的开源 RAG（检索增强生成）引擎。它的作用是可以让用户创建自有知识库，根据设定的参数对知识库中的文件进行切块处理，用户向大模型提问时，RAGFlow先查找自有知识库中的切块内容，接着把查找到的知识库数据输入到对话大模型中再生成答案输出。它能凭借引用知识库中各种复杂格式的数据为后盾，为用户提供真实可信，少幻觉的答案。RAGFlow的技术原理涵盖了文档理解、检索增强、生成模型、注意力机制等，特别强调了深度文档理解技术，能够从复杂格式的非结构化数据中提取关键信息。

开源的RAG 和工作流技术中值得学习和使用的点

Angus

05-03

2467

开源RAG和workflow技术中，大家各有特色，个有千秋。这里是我的深度调研的感受总结。

DeepSeek接入个人知识库，保姆级教程来了（附教程）

Y525698136的博客

02-26

3640

这次带来 RAG 的小白应用教程：介绍如何通过 ragflow 框架把 DeepSeek 接入到自己的个人知识库中，当然其他模型也是类似，可以自由搭配。

【大模型框架】LLM大模型开源RAG框架汇总

AGI_GGbond的博客

11-04

1012

本文搜集了一些开源的基于LLM的RAG（Retrieval-Augmented Generation）框架，旨在吸纳业界最新的RAG应用方法与思路。如有错误或者意见可以提出，同时也欢迎大家把自己常用而这里未列出的框架贡献出来，感谢~

RAG+AI工作流+Agent：LLM框架该如何选择，全面对比MaxKB、Dify、FastGPT、RagFlow、Anything-LLM,以及更多推荐

最新发布

木亦汐丫

04-24

777

很早之前我们有使用过Dify来加速AI应用开发和构建企业级智能问答系统，今天我们再来认识下RAGFlow，以及Dify如何外接RAGFlow知识库大脑，提升精准检索能力，告别大模型幻觉问题，完成企业级知识库的认知跃迁。破局大模型知识瓶颈：Dify+RAGFlow的混合检索。

基于RAGFlow本地化搭建AI医疗助手

2301_77727994的博客

03-26

994

本文讨论了开源的RAG引擎RAGflow，介绍其可用于快捷创建医疗问诊助手等AI助手，探讨了其创新功能、技术特点、实现逻辑、安装配置及应用等方面。

搭建专业的RAG智能客服，24小时帮客户赚钱

元元的专栏

01-23

869

尝试加入知识图谱搜索，经过我们的研究，发现在通过LLM查询转成知识图谱查询时，效果并不好，还在继续努力。4️⃣使用生成的Embedding来构建可以提供知识检索能力的数据库；4️⃣将检索出来的答案和用户提问作为Prompt输入LLM生成答案。知识检索是问答机器人的核心模块，很大程度决定了智能客服的效果。2️⃣支持客户二次开发，加入独有业务，让AI赋能；2️⃣基于用户提出的问题知识库中检索相关的文档；1️⃣准备语料，一般是企业对外公开的文档材料；2️⃣Mysql：应用数据的存储。2️⃣将文档进行切割分块；

为什么你的RAG不起作用？失败的主要原因和解决方案

deephub

06-04

5219

我们正在见证AI的新时代的到来。这个时代的新颖之处不在于NLP和语言模型的出现，而是现成技术降低了企业利用自然语言技术针对他们特定用例的门槛。但是，我们还要清楚的认识到，目前这项技术仍处于早期开发阶段，在为你的AI构建RAG时，其实是在构建一个复杂的搜索引擎，这是可行的，但是要认识到这里的复杂性和挑战并解决这些问题才能让我们向成功迈出第一步。

32.6k star！RAGFlow智能文档引擎：让文档秒变AI助手，60秒直达核心答案，开源免费来尝鲜

m0_59164520的博客

02-11

951

RAGFlow为企业级文档管理和知识应用提供了一个强大而易用的解决方案。通过智能文档处理和精准问答能力，它能够显著提升企业的知识管理效率，降低运营成本。随着技术的不断进步，RAGFlow也在持续更新和优化，为用户提供更好的使用体验。无论是中小企业还是大型组织，都能找到适合自己的应用场景。

深度学习-105-RAG技术之嵌入模型安装部署应用的三种方式

qq_20466211的博客

02-07

371

(1)基于Ollama本地部署后，使用langchain中的库OllamaEmbeddings。(2)从huggingface或魔塔下载模型后，基于库sentence_transformers。(3)从huggingface或魔塔下载模型后，基于库transformers。

利用ollama + RAGFlow部署deepseek

men_nang的专栏

03-03

543

可以使用ollama pull 命令下载deepseek模块，也可以使用ollama run 运行模型（未下载会首先下载）。使用命令下载：git clone https://github.com/infiniflow/ragflow.git。执行命令：curl -fsSL https://ollama.com/install.sh | sh。使用 RAGFLOW_IMAGE=infiniflow/ragflow:v0.16.0。3、配置ollama环境变量。7、安装ragflow。1 安装ollama。