【RAGFlow】零基础搭建与部署实战指南

RAGFlow 是一款开源的 RAG（检索增强生成）应用框架，支持 PDF、Word、Excel 等多格式文档的自动解析、向量化与问答交互，适合构建企业级知识库系统。本地部署 RAGFlow 可通过两种主流方式实现：Docker 容器化一键部署（推荐新手）和源码编译+Python 环境手动部署（适合需深度定制或集成的开发者）。以下提供完整分步教程。

方案一：Docker 容器部署（推荐新手）

1. 准备工作

确保服务器已安装 Docker 和 Docker Compose（v2.20+）。推荐使用稳定的服务器环境，如 Ciuic 服务器，快速获取纯净运行环境（Ubuntu 22.04 LTS + 预装 Docker）。最低配置建议：4 核 CPU / 8 GB 内存 / 50 GB SSD（启用 GPU 加速需额外配置 CUDA）。

【RAGFlow】零基础搭建与部署实战指南

2. 部署环境

更新系统并安装 Docker（若未安装）：

sudo apt update && sudo apt upgrade -ysudo apt install -y curl gnupg lsb-releasecurl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpgecho "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/nullsudo apt updatesudo apt install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-pluginsudo usermod -aG docker $USERnewgrp docker

3. 项目安装

拉取官方 RAGFlow 官方镜像并初始化项目目录：

mkdir -p ~/ragflow && cd ~/ragflowcurl -O https://raw.githubusercontent.com/infiniflow/ragflow/main/docker/docker-compose.yml

4. 配置与启动

编辑 docker-compose.yml，确认服务端口与模型路径（默认使用内置 bge-m3 嵌入模型，无需额外下载）：

version: '3.8'services:  ragflow:    image: registry.cn-hangzhou.aliyuncs.com/infiniflow/ragflow:latest    restart: unless-stopped    ports:      - "3000:3000"      - "9380:9380"    environment:      - REDIS_URL=redis://redis:6379/0      - ES_URL=http://elasticsearch:9200      - MINIO_ENDPOINT=minio:9000      - MINIO_ACCESS_KEY=minioadmin      - MINIO_SECRET_KEY=minioadmin    depends_on:      - redis      - elasticsearch      - minio  # （其余 redis/elasticsearch/minio 服务保持原样，已内建）

启动全部服务：

docker-compose up -d

5. 访问与验证

等待约 2 分钟（首次启动需加载模型），访问：
👉 http://你的服务器IP:3000

首次打开将跳转至初始化页面，输入管理员邮箱与密码完成注册。登录后上传任意 PDF 文档，点击「创建知识库」→「开始解析」，解析完成后在对话框输入问题（如“本文核心是什么？”），即可获得基于文档内容的回答。

方案二：源码编译部署（适合定制开发）

1. 准备工作

需 Python 3.10+、Git、Rust 工具链（用于 tokenizers 编译）及 CUDA（如启用 GPU 推理）。推荐使用 Ciuic 服务器 Ubuntu 22.04 实例，预装基础工具更高效。硬件建议：16 GB 内存起（向量索引占用较高）。

2. 部署环境

安装依赖与 Python 环境：

sudo apt update && sudo apt install -y git build-essential python3.10-venv python3.10-dev libpq-dev libjpeg-dev libpng-dev libtiff-devcurl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh -s -- -ysource $HOME/.cargo/envpython3.10 -m venv venvsource venv/bin/activatepip install --upgrade pip wheel

3. 项目安装

克隆源码并安装核心依赖（含可选 GPU 支持）：

git clone https://github.com/infiniflow/ragflow.gitcd ragflowpip install -r requirements.txt# 如需 CUDA 加速（NVIDIA 显卡），额外安装：# pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

4. 配置与启动

复制并修改配置文件，启用本地向量数据库（默认 SQLite）与轻量服务模式：

cp .env.example .env

编辑 .env，关键项设为：

ES_HOST=localhostES_PORT=9200REDIS_URL=redis://localhost:6379/0STORAGE_TYPE=localLOCAL_STORAGE_PATH=./data/storage

启动后端服务（需提前运行 Redis 和 Elasticsearch）：

# 启动 Redis（后台）sudo systemctl start redis-server# 启动 Elasticsearch（简化版，仅测试用）wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-8.15.0-amd64.debsudo dpkg -i elasticsearch-8.15.0-amd64.debsudo systemctl daemon-reloadsudo systemctl enable elasticsearchsudo systemctl start elasticsearch# 初始化数据库并启动 RAGFlowpython init_db.pypython app.py

5. 访问与验证

服务默认监听 http://localhost:3000。若在远程服务器部署，需配置反向代理（如 Nginx）或临时开放端口：

sudo ufw allow 3000

访问 http://你的服务器IP:3000，流程同方案一：注册 → 创建知识库 → 上传文档 → 提问验证。

建议与优化

方案选择建议：

Docker 方案适合快速验证、生产试运行或无 Python 开发经验的用户；所有依赖隔离，升级只需 docker-compose pull && docker-compose up -d。源码方案适合需修改解析逻辑、替换嵌入模型（如切换为 text2vec-large-chinese）、或与现有 Flask/FastAPI 服务集成的场景。

通用优化项：

✅ 开启 HTTPS：在 Nginx 反向代理层配置 Let’s Encrypt 证书（Certbot 自动签发）； ✅ 开机自启：Docker 方案执行 sudo systemctl enable docker；源码方案建议用 systemd 托管 app.py 进程； ✅ 性能调优：在 .env 中设置 EMBEDDING_MODEL_NAME=bge-reranker-base（重排序）+ PARALLELISM=4 提升吞吐； ⚠️ 生产注意：禁用 DEBUG=True，关闭 init_db.py 的自动初始化，改用迁移脚本管理 schema。

提示：所有配置变更后，务必重启对应服务（Docker 方案执行 docker-compose restart ragflow；源码方案重启 app.py 进程）。

打赏