RagFlow源码脱离docker部署

最新推荐文章于 2025-04-11 16:53:17 发布

头铁的YOLO视觉工程师

最新推荐文章于 2025-04-11 16:53:17 发布

阅读量833

点赞数 8

文章标签： docker 容器运维人工智能 python 算法

本文链接：https://blog.csdn.net/m0_65829696/article/details/146198208

版权

一、前端

npm install 直接拉依赖，再用npm run dev直接启动

二、后端

1.查看readme中后端服务启动的操作，找到entrypoint.sh这个shell脚本。

shell脚本：

在这之间最重要的两个python需要运行的脚本，一个是task_executor.py，一个是

ragflow_server.py，其中我门查看task_executor.py发现是提供minio的建桶等相关配置操作，ragflow_server.py是启动我们flask服务的脚本。

查看env的文件发现，我们需要配置minio、redis、mysql建立支持的数据库

最后根据服务所需的组件配置，修改工程接入用python方式启动就可以脱离docker的镜像源提供服务。

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

头铁的YOLO视觉工程师

关注关注

8
点赞
踩
7

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
举报

举报

开源项目RAGFlow Docker部署安装教程

猿小白的博客

02-09

2396

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。

ubuntu2204部署RAGFlow（非docker）

debugcool的博客

11-12

2781

在 /etc/hosts 中添加以下代码，将 docker/service_conf.yaml 文件中的所有 host 地址都解析为 127.0.0.1。配置前端，将 .umirc.ts 的 proxy.target 更新为 http://127.0.0.1:9380。如果已有对应的服务，则不需要，修改docker/service_conf.yaml文件中的配置即可。这里安装依赖的过程中可以修改POETRY源，不然有些可能无法下载。修改文件pypro，添加以下内容。如果有代理，也可以配置代理。

参与评论您还未登录，请先登录后发表或查看评论

RAGFlow v0.13.0 源码本地部署

crazy_zhangqiang的专栏

11-05

1093

RAGFlowV0.13.0 源码本地部署

搭建ragflow的步骤

keyboard专栏

06-28

3106

如果你想下载并运行特定版本的 docker 镜像，请在 docker/.env 文件中找到 RAGFLOW_VERSION 变量，将其改为对应版本。在 service_conf.yaml 文件的 user_default_llm 栏配置 LLM factory，并在 API_KEY 栏填写和你选择的大模型相对应的 API key。上面这个例子中，您只需输入 http://IP_OF_YOUR_MACHINE 即可：未改动过配置则无需输入端口（默认的 HTTP 服务端口 80）。CPU >= 4 核。

在Windows环境下，不使用Docker，本地部署和启动开源项目Ragflow的源代码

qq_26979493的博客

01-20

9743

在当前AI领域中，基于检索增强生成（RAG）的应用备受关注，而开源项目RAGFlow因其灵活性和功能性成为了一个热门选择。不过，由于其快速的版本迭代，可能会存在一些Bug，并且在实际项目落地时通常需要根据具体需求对源码进行定制化修改。遗憾的是，RAGFlow官方尚未提供针对Windows开发环境的详细文档。因此，在本地部署过程中，我整理了一份详细的记录，希望能够为有类似需求的开发者提供参考。

mysql-8.0.37 docker离线镜像安装包

06-07

mysql-8.0.37 docker离线镜像安装包(开源资源 )

不使用docker在本地安装与配置RAGFlow

热门推荐

qq_43548590的博客

10-29

3万+

开源RAGFlow引擎：打造无幻觉、高精度的文档理解与生成体验RAGflow，这个新兴的开源RAG（Retrieval-Augmented Generation）引擎，正以其独特的深度文档理解能力，为大型语言模型的应用带来了革命性的变革。在处理PDF文件时，我们经常面临提取干净数据的挑战，而RAGFlow的出现，恰恰解决了这一问题，它能够提供准确无误且无幻觉的生成结果。

RAG实战：本地部署ragflow+ollama（linux）

ling913的专栏

01-03

1万+

Ollama+RAGFlow为例，应用RAG（Retrieval Augmented Generation，检索增强生成）构建本地知识库，其中 Ollama 中使用的模型是Qwen2

RAGFlow部署和使用

meiyoudianhuafei的博客

03-04

1910

前提条件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。前提条件CPU >= 4 核安装确保不小于 262144：如需确认如果你的改动会在下次系统重启时被重置。如果希望做永久改动，还需要在文件里把进入docker。

亲测有效！Win10环境下RAGFlow全栈配置教程（附避坑指南）

yxkong的专栏

03-17

3479

做环境管理，单一的python还好一些，我之前安装的是3.9（比较早了）。而有些项目需要3.10，有的需要3.11，有的需要3.12，要么升级，要么安装多套环境。不想用uv，使用conda，建议让kimi写个脚本，把uv.lock里的包都洗出来，洗成。如果你没有修改过docker部署的端口，可以直接使用，如果修改了，需要对应的修改。然而我折腾了一会，安装不上。前端环境需要npm，或者pnpm，我之前一直有对应的环境，我就不折腾了。如果大家自己折腾，建议用uv，直接导入官方提供的，缺有，但是不多。

ragflow-main

05-24

https://github.com/infiniflow/ragflow/ code文件

RagFlow 下载的Docker安装文件

08-23

部署RagFlow的五个Docker文件，包括mino,mysql,redis,ragflow,elasticsearch,五个docker文件，下载后执行：docker load -i [文件名]，安装docker文件即可使用。

RagFlow + Docker Desktop + Ollama + DeepSeek-R1本地部署自己的本地AI大模型工具

程序老曹的博客

02-11

3019

首先，我们需要下载 Ollama 以及配置相关环境。Ollama 的。

搭建RAGFlow

sqlora的专栏

11-18

1万+

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。

【ragflow】查看Docker ＞= 24.0.0 & Docker Compose ＞= v2.26.1是否满足

突围

08-27

341

docker-compose

【Windows纯离线环境】下部署DeepSeek大模型+本地知识库实战指南——Ollama+RAGflow全流程解析

KAi_2009的博客

02-16

4387

在大语言模型的发展如火如荼的今天，DeepSeek的开源发布使得个人，或者对于数据安全具有核心诉求的应用场景可以实现纯离线部署的方案，并可以通过与开源软件RAGflow的组合实现大模型+本地知识库的构建，并且可以支持进一步的私有化定制开发。

RAGFlow在windows环境中源代码部署启动方法

liuniuxs的博客

02-22

2083

RAGFlow源代码部署方法

windows下docker的ragflow

03-29

<think>嗯，用户想在Windows系统中通过Docker部署和运行RAGFlow。首先，我需要根据提供的引用资料整理出步骤。引用[1]和[2]提到了下载Docker Desktop，检查版本，克隆仓库，配置镜像加速。引用[3]特别强调设置vm.max_map_count，否则ES启动会失败。还有用户可能需要修改WSL的Linux参数。另外，引用[4]提到了源码部署，但用户可能更倾向于Docker方式。首先，步骤应该是安装Docker Desktop，验证安装，克隆代码仓库，然后配置镜像加速（可选但推荐）。接下来，处理vm.max_map_count的问题，这需要进入WSL的docker-desktop环境修改参数。然后启动服务，访问RAGFlow。可能的问题包括Docker安装失败、镜像加速配置错误，以及vm参数设置不正确导致ES启动失败。用户可能需要检查这些步骤，尤其是sysctl的设置是否正确。此外，如果用户想脱离Docker部署，引用[4]提到了相关脚本，但当前问题不涉及这个。需要确保所有命令正确，特别是WSL部分，因为Windows下的Docker依赖WSL2。可能用户对WSL不熟悉，需要详细说明如何进入和修改参数。最后，常见问题解答可以帮助用户自行排查问题，比如端口冲突或权限问题。</think>### 分步指南：Windows系统中通过Docker部署RAGFlow #### 一、环境准备 1. **安装Docker Desktop** - 前往[Docker官网](https://www.docker.com/products/docker-desktop)下载适用于Windows的安装包[^1]。 - 安装完成后，以管理员身份打开PowerShell，验证安装： ```powershell docker -v # 检查Docker版本 docker-compose -v # 检查Docker Compose版本 ``` 2. **配置WSL2（Windows Subsystem for Linux）** - Docker Desktop默认依赖WSL2运行。若未启用，需在“控制面板→程序和功能→启用或关闭Windows功能”中勾选**适用于Linux的Windows子系统**和**虚拟机平台**，重启生效。 #### 二、部署RAGFlow 1. **克隆代码仓库** ```powershell git clone https://github.com/infiniflow/ragflow.git cd ragflow ``` 2. **配置Elasticsearch参数** - Elasticsearch要求`vm.max_map_count`不小于262144[^3]： ```powershell wsl -d docker-desktop # 进入Docker的WSL环境 sysctl -w vm.max_map_count=262144 # 修改参数 exit # 退出WSL环境 ``` 3. **启动RAGFlow服务** ```powershell docker-compose up -d # 后台启动容器 ``` - 首次运行会下载镜像，耗时较长（建议配置国内镜像加速[^2]）。 #### 三、验证与访问 1. **检查容器状态** ```powershell docker ps # 查看运行中的容器 ``` - 确认`ragflow_server`和依赖服务（如MinIO、MySQL）均处于`Up`状态。 2. **访问Web界面** - 浏览器打开`http://localhost:9380`，若显示RAGFlow界面则部署成功。 #### 四、常见问题解决 - **ES启动失败**：检查`vm.max_map_count`是否设置正确。 - **端口冲突**：修改`docker-compose.yml`中`ports`字段的端口映射。 - **镜像拉取慢**：在Docker Desktop设置中添加阿里云或中科大镜像加速地址[^2]。