RagFlow 是一款基于深度文档理解构建的开源 RAG（Retrieval-Augmented Generation，检索增强生成）引擎。它的设计核心在于将大量复杂格式的非结构化数据（如 PDF、Word、PPT、Excel、图片、网页等）经过智能解析，转换为高质量的“知识片段”，再通过大语言模型（LLM）进行增强生成，从而实现准确、可控且有据可依的问答服务
📋 先决条件
- • 安装并启动了Docker、Ollama（没有安装的可以参考之前的教程）
📖 开始部署
1. 下载RagFlow
方式1：通过git克隆的方式下载，需要安装了Git。
git clone https://github.com/infiniflow/ragflow.git方式2：直接访问github下载.ZIP压缩包，下载后解压。
https://github.com/infiniflow/ragflow
2. 修改一些配置
打开 ragflow里docker下的.env 文件，该文件主要用于配置RagFlow的各种环境变量
搜索 myhuaweicloud，这里有两处，将后面这一行的注释放开，修改后保存
默认端口为80，为避免与其他应用端口冲突，修改端口：ragflow/docker/docker-compose.yml
将 80 修改为 8000 ，将 443 修改为8443，修改后保存
3. 使用Docker安装RagFlow
在ragflow/docker目录下，执行：
cd D:\ProgramFiles\ragflow\docker # 这里换成你自己的目录 docker compose up -d耐心等待镜像下载，全部下载好后，容器都是运行状态则正常。
登录RagFlow
运行成功后，浏览器访问：http://localhost:8000/login
首次登录需要先点击Sign up注册账号
填写任意邮箱，昵称，密码，点击Continue注册，然后点Sign in 用创建的邮箱密码登录
登录后页面如下，点击右上角可以设置语言
配置模型
1. 获取API Key
如果是个人学习、开发使用，可以使用硅基流动提供的或者使用自己本地部署的大模型。硅基流动提供多种大模型可供调用，包括当下流行的DeepSeek-R1，DeepSeek-V3、QwQ-32B、BGE-M3 等等
目前注册可以免费领取2000万token，用来学习基本也够了
官方注册地址
https://cloud.siliconflow.cn/i/ekqzL1YL
输入手机号、短信验证码，登录即可，没有注册过会自动注册
API密钥 -> 新建 API 密钥。将新建好的密钥妥善保管
2. 添加模型供应商
右上角头像 -> 模型供应商 -> 添加模型
将之前建好的 API 密钥填入，点击确定
3. 系统模型设置
设置好后点击确定
添加知识库
知识库 -> 创建知识库
输入知识库名称，点击确定
数据集 -> 新增文件 -> 本地文件
数据集需要解析后才能用于回答。可以勾选创建时解析，也可以上传后再解析，这里我们勾选创建时解析
默认是上传文件，也可以上传文件夹。点击下方区域选择要上传的文件，点击确定
解析中，等待解析成功
聊天 -> 新建助理
输入助理姓名、选择知识库
新建聊天，在聊天框输入问题测试知识库，可以看到引用了知识库的内容。
至此，RagFlow的部署和初步使用就介绍完了
如何系统的去学习大模型LLM ？
大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。
事实上，抢你饭碗的不是AI，而是会利用AI的人。
继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？
与其焦虑……
不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！
但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。
基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！
在这个版本当中：
第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言
您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份LLM大模型资料分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以扫描下方二维码领取🆓↓↓↓
一、LLM大模型经典书籍
AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。
二、640套LLM大模型报告合集
这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
三、LLM大模型系列视频教程
四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）
五、AI产品经理大模型教程
LLM大模型学习路线↓
阶段1：AI大模型时代的基础理解
目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例
阶段2：AI大模型API应用开发工程
目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望
阶段3：AI大模型应用架构实践
目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
内容：
- L3.1 Agent模型框架
- L3.2 MetaGPT
- L3.3 ChatGLM
- L3.4 LLAMA
- L3.5 其他大模型介绍
阶段4：AI大模型私有化部署
目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
内容：
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
这份LLM大模型资料包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以扫描下方二维码领取🆓↓↓↓
