1下载docker 及其所需环境

1.1配置环境

1.1.1打开虚拟化

Window系统安装 WSL 2 之前，必须启用“虚拟机平台”可选功能。

打开使用于Linux的Windows子系统

Ctrl +shift + Esc 打开任务管理器

点击性能查看虚拟化有没有打开，如果显示已禁用，点击启动应用打开虚拟化

1.1.2 下载并安装wsl

在管理员模式下打开 PowerShell 或 Windows 命令提示符，方法是右键单击并选择“以管理员身份运行”或者按Window + R键输入cmd，然后输入 wsl --install 命令。使用 wsl --install 命令安装的新 Linux 安装将默认设置为 WSL 2。

wsl --set-version 命令可用于从 WSL 2 降级到 WSL 1，或将以前安装的 Linux 发行版从 WSL 1 更新到 WSL 2。要查看 Linux 发行版是设置为 WSL 1 还是 WSL 2，请使用命令 wsl -l -v。要更改版本，输入 wsl --set-version <distro name> 2 命令将 <distro name> 替换为要更新的 Linux 发行版的名称。输入wsl pwd 可以查看当前目录路径在 WSL 中的装载

1.2 下载docker

直接去docker官网下载适配系统的版本，Window一般选择AMD 64

Docker 官网：Docker: Accelerated Container Application Development

下载完直接安装就可

打开命令行，输入docker 指令，如果出现如下指令，就说明已经安装成功了

1.3 配置docker镜像源

点击设置，点击Docker Engine,输入镜像源

注意flase后面添加一个逗号（为了符合格式要求）

2.下载ollama 及所需模型

2.1.下载ollama

Ollama是一个开源的大型语言模型服务，提供了类似OpenAI的API接口和聊天界面，可以非常方便地部署最新版本的GPT模型并通过接口使用。支持热加载模型文件，无需重新启动即可切换不同的模型

直接去ollama官网下载就可

Ollama 官网：Ollama

2.2添加环境变量

打开高级系统设置，打开环境变量，添加OLLAMA_HOST和OLLAMA_MODELS两个变量

2.3 下载模型（deepseek-r1举例）

按Window + R键输入cmd，输入ollama run deepseek-r1，所需模型名称在ollama官网都有

可通过ollama list 来查看我们现在有哪些模型

3.安装RAGFlow

RAGflow 是一种结合 RAG（Retrieval-Augmented Generation） 和工作流优化的新技术架构。旨在提升生成式 AI 系统的效率和性能。它主要适用于需要动态生成内容且依赖外部知识库的场景，例如智能客服、文档生成、数据分析等

安装网址：https://github.com/infiniflow/ragflow

点击code下载并解压文件

然后找到ragflow\ragflow-main\docker\.env

将slim这行注释掉并去掉87行的注释

因为这样有embedding models

[如果你遇到 Docker 镜像拉不下来的问题，可以在 docker/.env 文件内根据变量 RAGFLOW_IMAGE 的注释提示选择华为云或者阿里云的相应镜像。

4.搭建docker 和ragflow

进入终端输入：cd ragflow

启动docker容器：输入docker compose -f docker-compose.yml up -d

                 或者docker compose up -d

（拉取过程可能有点慢）

完成后运行检查服务器状态

docker logs -f ragflow-server

打开浏览器输入：localhost:80

然后进行注册和登录

进入后点击设置，点击模型供应商，添加ollama模型

模型类型选chat或者 embedding都可以

模型名称：deepseep-r1:7b

基础Url:hettp:// …… ：11434

将中间的……换成你自己的IPv4 地址

打开终端输入ipconfig，找到IPv4 地址复制过去就好了

最大token数随便填，最好填大一点

然后点击确定

点开系统模型设置，设置如下：

然后就可以新建知识库，将我们自己的文档上传，然后一定要点击解析

解析完成后，点击聊天，新建一个小助理，在知识库那里选择你所建立的知识库

里面有一些默认选项可以不去操作，直接点击确定就OK了’