一、环境准备

1. 硬件要求
2. 独立显卡（建议NVIDIA GPU，8GB显存以上）
3. 内存16GB以上，推荐32GB（处理大规模文档时更高效）
4. SSD硬盘（加速文档解析与检索）
5. 软件安装

bash

# 必装组件

Docker Desktop（需开启虚拟化）

Git

VS Code（用于配置文件编辑）

Ollama（本地大模型运行框架）

Windows用户需在BIOS中启用虚拟化支持，并通过任务管理器验证虚拟化状态。

二、Ollama配置DeepSeek R1

1. 安装Ollama

bash

# Linux/Mac一键安装

curl -fsSL https://ollama.ai/install.sh | sh

# Windows安装包下载：

https://ollama.com/download/OllamaSetup.exe

2. 配置环境变量

bash

# Linux/Mac环境变量设置

export OLLAMA_HOST=0.0.0.0

# 允许跨容器访问

export OLLAMA_MODELS=/path/to/custom_models

# 自定义模型存储路径 # Windows通过系统属性设置环境变量

3. 运行DeepSeek R1模型

bash

ollama run deepseek-r1:7b

# 启动7B参数版本[1,7](@ref)

# 测试模型响应

>>> 你好

>>> 你好！有什么可以帮助您的吗？

三、RAGFlow部署

1. 克隆源码与配置

bash

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

cd ragflow/docker

# 修改.env文件关键配置（第84行）

vim .env

env

# 原配置

# EMBEDDING_MODEL_NAME=bge-large-zh-v1.5

# 修改为本地模型路径 EMBEDDING_MODEL_PATH=/path/to/nomic-embed-text

2. Docker镜像加速
   修改/etc/docker/daemon.json：

json

{ "registry-mirrors":

[ "https://registry.docker-cn.com", "https://docker.mirrors.ustc.edu.cn" ]

}

3. 启动服务

bash

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

# 验证启动状态 docker logs -f ragflow-server

# 出现"RAGFLOW"即成功[2,6](@ref)

四、知识库构建

1. 初始化配置
   访问http://localhost:80注册账号，进入模型提供商设置：

• 选择Ollama作为LLM服务商
• 填写本地DeepSeek R1地址：http://host.docker.internal:11434

2. 文档处理代码示例

python

# 通过API上传文档（需安装requests库）

import requests

headers = {"Authorization": "Bearer YOUR_API_KEY"}

files = {'file': open('manual.pdf', 'rb')}

response = requests.post( 'http://localhost:80/v1/files', files=files, headers=headers )

print(response.json())

# 返回文档ID及处理状态

3. 检索策略配置

yaml

# 在RAGFlow管理界面设置：

retrieval_type: hybrid # 混合检索（向量+关键词）

chunk_size: 512 # 文本分块大小

rerank_model: bge-reranker-large # 重排序模型

五、验证与优化

1. 服务验证

bash

# 测试问答API

curl -X POST "http://localhost:80/v1/chat/completions" \

-H "Content-Type: application/json" \

-d '{ "query": "本公司产品保修期多久？", "knowledge_base_ids": ["kb_01"] }'

3. 性能优化建议

• GPU显存不足时添加--low-vram参数
• 调整分块策略：技术文档建议512-768 tokens，对话记录建议256 tokens
• 启用缓存：在docker-compose.yml添加Redis配置

完整代码及配置文件可参考GitHub仓库：https://github.com/infiniflow/ragflow