# RAGFlow 快速部署指南：从安装到第一个知识库

1. 安装 Docker 和 RAGFlow 的步骤

1.1 系统环境要求

• 硬件：CPU ≥ 4 核；内存 ≥ 16 GB；磁盘空间 ≥ 50 GB
• 软件：Docker ≥ 24.0.0；Docker Compose ≥ v2.26.1

1.2 安装 Docker

Linux

# 安装 Docker 引擎
sudo apt-get update
sudo apt-get install docker.io

# 安装 Docker Compose
sudo curl -L "https://github.com/docker/compose/releases/download/v2.29.6/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
sudo chmod +x /usr/local/bin/docker-compose
docker-compose --version

macOS

• 下载并安装 Docker Desktop for Mac。
• 启动 Docker Desktop，确保状态为运行。

Windows

• 使用 WSL2 + Docker Desktop 或 Docker Toolbox。
• 启用 Hyper-V 并安装 Docker Desktop（推荐 Windows 10/11）。

1.3 部署 RAGFlow

克隆 RAGFlow 仓库

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

配置镜像源（国内用户必看）

编辑 .env 文件，将 HF_ENDPOINT 改为镜像站点：

HF_ENDPOINT=https://hf-mirror.com

启动服务

chmod +x ./entrypoint.sh
docker-compose -f docker-compose.yml up -d

验证服务状态

docker ps  # 查看运行中的容器
docker logs -f ragflow-server  # 查看日志

2. 初始化账号与创建知识库（金融报告案例）

2.1 注册与登录

1. 打开浏览器，访问 http://<服务器IP>:<端口>（如 http://localhost:8080）。
2. 点击 注册，填写邮箱（格式：xxx@qq.com）、名称、强密码。
3. 返回登录页，使用注册的邮箱和密码登录。

2.2 创建知识库（金融报告场景）

1. 进入知识库页面：点击顶部导航栏的 知识库 > 创建知识库。

2. 填写基本信息：

   • 名称：金融报告知识库
   • 文档语言：中文
   • 权限：团队（便于共享）
   • 解析方法：General（通用解析）
3. 保存并进入知识库。

2.3 添加金融报告文档

1. 上传文件：

   • 点击 数据集 > 新增文件，上传 PDF 或 TXT 格式的金融报告（如 2024_年报.pdf）。

2. 解析文档：

   • 上传后点击 解析，等待解析完成。
   • 解析成功后，可在 数据集 页面查看内容片段（Chunks）。

3. 验证 API 接口调用

3.1 准备 API 密钥

• 登录 RAGFlow 后，进入 个人中心 > API Key，生成密钥（如 Bearer <YOUR_API_KEY>）。

3.2 API 调用示例（curl）

1. 创建数据集

curl -X POST "http://<RAGFlow地址>/api/v1/datasets" \
     -H "Content-Type: application/json" \
     -H "Authorization: Bearer <YOUR_API_KEY>" \
     -d '{"name": "金融报告数据集"}'

2. 上传文档

curl -X POST "http://<RAGFlow地址>/api/v1/datasets/<dataset_id>/documents" \
     -H "Authorization: Bearer <YOUR_API_KEY>" \
     -F "file=@./2024_年报.pdf"

3. 解析文档

curl -X POST "http://<RAGFlow地址>/api/v1/datasets/<dataset_id>/chunks" \
     -H "Content-Type: application/json" \
     -H "Authorization: Bearer <YOUR_API_KEY>" \
     -d '{"document_ids": ["<document_id>"]}'

4. 检索内容

curl -X POST "http://<RAGFlow地址>/api/v1/retrieval" \
     -H "Content-Type: application/json" \
     -H "Authorization: Bearer <YOUR_API_KEY>" \
     -d '{
       "question": "2024年财报净利润是多少？",
       "dataset_ids": ["<dataset_id>"]
     }'

5. 创建聊天会话

curl -X POST "http://<RAGFlow地址>/api/v1/chats/<chat_id>/sessions" \
     -H "Authorization: Bearer <YOUR_API_KEY>" \
     -d '{"name": "金融咨询"}'

4. 技巧点详解

4.1 避坑指南：vm.max_map_count 设置

• 问题背景：RAGFlow 使用 Elasticsearch，需调整 vm.max_map_count。

• Linux 系统：

  # 临时设置
  sudo sysctl -w vm.max_map_count=262144
  
  # 永久生效：编辑 /etc/sysctl.conf，添加
  vm.max_map_count=262144

• macOS 系统：

  docker run --rm --privileged --pid=host alpine sysctl -w vm.max_map_count=262144

4.2 使用 docker-compose 快速启动服务

• 一键部署：

  # 克隆仓库并启动
  git clone https://github.com/infiniflow/ragflow.git
  cd ragflow/docker
  docker-compose -f docker-compose.yml up -d

• 常见问题处理：

  • 依赖服务失败：运行 docker-compose down -v 清理后重试。
  • 镜像下载慢：设置 HF_ENDPOINT=https://hf-mirror.com。

5. 金融报告场景应用示例

1. 上传 2024 年财报：解析后自动生成摘要和关键指标。

2. 检索问题：

   • 输入："2024年营收增长率"
   • 输出："2024年营收同比增长15.3%"（基于知识库内容）。
3. 创建金融问答助手：结合大模型（如 deepseek-r1:7b）实现智能对话。

通过以上步骤，您已成功部署 RAGFlow 并构建了一个金融报告知识库。结合 API 调用和技巧优化，可快速扩展至更多行业场景。