一、部署前的机器要求

生产环境通常建议：

  • CPU >= 4 cores
  • RAM >= 16 GB
  • Disk >= 50 GB
  • Docker >= 24
  • Docker Compose >= 2.26

演示环境里使用的是：

  • Ubuntu 22.04
  • 4C16G40G

二、安装 Docker

apt install docker.io docker-compose-v2
systemctl start docker
systemctl enable docker
docker pull busybox

如果镜像拉取慢，可以继续配置加速器：

sudo mkdir -p /etc/docker
sudo tee /etc/docker/daemon.json <<-'EOF'
{
  "registry-mirrors": [
    "https://docker.m.daocloud.io",
    "https://dockerhub.timeweb.cloud"
  ]
}
EOF
sudo systemctl daemon-reload
sudo systemctl restart docker

三、修改内核参数

RAGFlow 部署前还需要保证：

vm.max_map_count >= 262144

可以这样配置：

vi /etc/sysctl.conf

增加：

vm.max_map_count = 262144

然后执行：

sysctl -p
sysctl vm.max_map_count

四、获取源码并启动服务

git clone https://github.com/infiniflow/ragflow.git
cd ragflow/docker
docker compose up -d
docker compose logs

.env 文件里可以配置数据库、MinIO、Elasticsearch 等组件的密码和端口，正式环境建议全部替换成自己的安全配置。

五、首次访问

浏览器访问：

http://<your-server-ip>

首次打开时先注册账号。

image/png

六、设置语言和模型

6.1 设置中文

image/png

6.2 配置模型

进入右上角头像里的“模型提供商”，添加 DeepSeek 或其他模型服务。

image/png

image/png

API Key 请输入你自己的，不要把真实密钥写入公开文档：

  • DEEPSEEK_API_KEY=<your-api-key>

同理，如果接硅基流动，也使用占位方式记录。

image/png

设置好默认模型后，再继续做知识库体验：

image/png

七、创建知识库并测试检索

7.1 创建知识库

image/png

7.2 设置切片方式

image/png

image/png

7.3 上传并解析文件

image/png

7.4 做检索测试

可以分别通过“检索测试”和“搜索”功能验证知识库效果。

image/png

image/png

八、创建聊天应用

知识库准备好之后，就可以创建聊天应用，把知识检索和模型生成节点串起来。

image/png

image/png

image/png

image.png

九、这一阶段的重点

到这一步，你的目标不是做复杂业务，而是先把：

  • 平台能访问；
  • 模型能接通；
  • 文档能解析；
  • 检索能测试；
  • 聊天能跑通

这五件事逐一验证清楚。后面的项目实战，其实只是把这些基础能力组合起来。