DeepSeek + RAGFlow 构建本地个人知识库

---

前言

本文是我学习b站视频DeepSeek + RAGFlow 构建个人知识库的笔记，加入了我复现过程中的经验教训，供自己记忆查阅，同时给有需要的人提供帮助。

---

一、下载ollama

通过ollama将DeepSeek模型下载到本地运行。

1.下载

ollama官网下载

2.配置环境变量

① OLLAMA HOST -0.0.0.0:11434
ollama默认情况下只允许本机访问，而我们想要通过Docker部署。这一配置让虚拟机里的RAGFlow能够访问本机上的Ollama。

② OLLAMA MODELS 自定义位置
ollama会默认把模型下载到C盘，如果希望下载到其他盘要进行配置。

方法
电脑“设置”-“系统”-“系统信息”-“高级系统设置”-“高级”-“环境变量”

新建这两个。
第二个是自定义的Ollama模型存放位置。

配置完环境变量后一定要记得重启电脑才能生效！

3.通过ollama下载模型到本地

ollama官网-model
搜索deepseek-r1下载，有不同参数大小可以选择。高参数效果好，但对电脑配置要求高。可以从1.5b开始尝试。

来自评论区（uid:78652351）的配置参考：

3080 10G最多跑14B模型，思考2-4秒，这个模型顶多用来处理问答检索，而且是大白话的问答，不要让他过多思考。
4090 24G最多跑32B模型，思考2-4秒，回答速度非常快，推理能力也很强，可以给模糊规则或问答，基本能回答正确。

复制这一行命令。

window键+R 打开命令行，输入cmd，打开终端。

将命令粘贴下去，Enter。模型开始下载。

下载完成后，能对话就说明成功了。

你可能会用得上的终端命令

查看所有模型

ollama list

删除指定模型

ollama rm <模型名称>

二、下载RAGflow源代码和Docker

通过Docker来本地部署RAGflow。

1.下载RAGflow源代码

方法1：在终端使用git命令
可以先进入你想存放的位置再git。

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

方法2：直接在GitHub上下载，解压

ragflow官方代码GitHub
点击绿色的Code按钮，点击Download ZIP。

2.下载Docker

为什么要下载Docker? 因为RAGflow源代码并不包含它运行所需要的环境。Docker镜像相当于一个封装好的环境，有了Docker我们就不需要自己痛苦地本地配置环境啦。

Docker官方下载

下载你的系统对应的版本。

3.修改RAGflow的配置

默认的配置是轻量版的，给它改成完整版，才会包含embedding model，就不用自己去下载了。

打开刚刚下载的ragflow文件夹，有一个docker文件夹，打开.env文件。

红色的前面加#注释掉，蓝色的把前面的#去掉。记得保存。

4.下载RAGFlow Docker的镜像

这一步将要下载很多东西，由于国内网络环境问题，我们先配置镜像源确保后续下载顺利。（没配置好镜像就是最折磨的一步！）

打开Docker Desktop，点击右上角设置图标，点击左边Docker Engine，添加镜像源。

也就是加上这一段。

,
  "registry-mirrors": [
    "https://docker.1ms.run"
  ]

我做的时候（2025.3.25）试过好些镜像源，只有这个亲测可用。

注意逗号，注意缩进格式，添加完成后下面不报红才对。完成后点击Apply & restart。

然后在终端ragflow文件夹下，输入这个命令。

docker compose -f docker/docker-compose.yml up -d

在运行这个命令时，确保你的Docker Desktop是正在运行的。

等待较为漫长的下载，全部下载好就完成了。

---

三、在RAGflow中构建个人知识库

在浏览器中新开一个窗口，输入localhost:80，能看到RAGFlow就是部署成功了。注册登录。

1.添加下载的模型

点击右上角头像，点击左边模型提供商，点击ollama。

模型类型：选择chat。
模型名称：一定要严格复制你的模型名称。可以在终端使用 ollama list 命令找到。
基础Url：首先，在终端输入 ipconfig ，然后复制你自己的IPv4地址。

http://<你自己的IPv4地址>:11434

最大token数：随便填一个。

然后在右上角“系统模型设置”-”聊天模型“，选择自己的模型。
”嵌入模型“选择下图这个。

2.创建自己的知识库

接下来就没什么难点了。在"知识库"里“创建知识库”，上传你的文件，记得点击解析。等待解析完成知识库就创建好了。

你的docker desktop需要保持运行！如果解析失败可能是连接问题，可以再试试。

3.创建聊天助理

在"聊天“-”新建助理“里创建聊天助理，可以根据你自己的需求修改提示词。比如将涉及知识库的要求删除，让模型根据自己本身的能力回答问题。

在模型设置里，选择要使用的模型。
创建好助理后，新建聊天就可以让助理根据你的知识库回答问题啦！

总结

感觉有帮助的可以点个赞支持一下！(❁´◡`❁)