前期准备
首先，我们需要下载 Ollama 以及配置相关环境。
Ollama 的 GitHub仓库 （https://github.com/ollama/ollama）中提供了详细的说明，简单总结如下:
Step1：下载 Ollama
下载（https://ollama.com/download）并双击运行 Ollama 应用程序。
Step2：验证安装
在命令行输入 ollama，如果出现以下信息，说明 Ollama 已经成功安装。
Step3：拉取模型
从命令行，参考 Ollama 模型列表 （https://ollama.com/library）和 文本嵌入模型列表 （https://python.langchain.com/v0.2/docs/integrations/text_embedding/）拉取模型。在该教程中，我们以 deepseek-r1:1.5b 和 nomic-embed-text 为例:
命令行输入 ollama pull deepseek-r1:1.5b，拉取通用的开源大语言模型 deepseek-r1:1.5b；（拉取模型时，可能比较缓慢。如果出现拉取错误，可以重新输入指令拉取）
命令行输入 ollama pull nomic-embed-text 拉取 文本嵌入模型 （https://ollama.com/search?c=embedding）nomic-embed-text。
当应用运行时，所有模型将自动在 localhost:11434 上启动。
注意，你的模型选择需要考虑你的本地硬件能力，该教程的参考显存大小 CPU Memory > 8GB。
Step4：部署模型
命令行窗口运行以下命令，部署模型。
ollama run deepseek-r1:1.5b
也可以从命令行直接运行部署模型，例如 ollama run deepseek-r1:1.5b。
注意如果只想使用 Ollama 部署 DeepSeek R1 模型则无需进行以下步骤。
# langchain_community pip install langchain langchain_community # Chroma pip install langchain_chroma # Ollama pip install langchain_ollama
安装Ollama和deepseek大模型，完成前期准备工作后，让我们开始逐步构建基于 RagFlow + Docker Desktop + Ollama + DeepSeek-R1 的本地 RAG 应用。下面将详细介绍具体实现步骤。
本地 RAG 应用实现
一、下载、安装Docker Desktop
地址：Docker Desktop | Docker Docs
下载完成后 双击安装
注意：安装成功后 点击确定会重启电脑 注意保存自己未保存的文件
重启电脑后
如果安装成功后打开界面显示 Docker Engine stopped 说明缺少依赖 可能是缺少wsl 一般会自动弹框提示你安装适用于Linux的window子系统 安装一下就行了
如果没有自动弹框 执行 wsl --update安装一下
安装成功后再启动docker Desktop，就可以了!
二、安装RAGFlow
在开始安装 RAGFlow 之前，请确保您的系统满足以下基本要求：
-
CPU 核心数：至少 2 核
-
内存大小：至少 8 GB
克隆 RAGFlow 存储库：
git clone https://github.com/infiniflow/ragflow.git
如果git 克隆报错 就去https://github.com/infiniflow/ragflow.git 下载zip版本
构建 Docker 镜像并启动服务器：
cd ragflow/docker docker compose up -d
核心映像大小约为 9 GB，加载可能需要一些时间。
检查服务器状态：
docker logs -f ragflow-server
如果系统成功启动，您将看到确认消息。
____ ______ __ / __ \ ____ _ ____ _ / ____// /____ _ __ / /_/ // __ `// __ `// /_ / // __ \| | /| / / / _, _// /_/ // /_/ // __/ / // /_/ /| |/ |/ / /_/ |_| \__,_/ \__, //_/ /_/ \____/ |__/|__/ /____/ * Running on all addresses (0.0.0.0) * Running on http://127.0.0.1:9380 * Running on http://172.22.0.5:9380 INFO:werkzeug:Press CTRL+C to quit
配置选项
①、选择 LLM 工厂：在 service_conf.yaml 文件中的 user_default_llm 部分选择所需的 LLM 工厂。
②、API 密钥设置：使用相应的 API 密钥更新 service_conf.yaml 文件中的 API_KEY 字段。更多信息请参阅 /docs/llm_api_key_setup.md。
③、要更新默认 HTTP 服务端口 (80)，请转到 docker-compose.yml 并将 80:80 更改为 <YOUR_SERVING_PORT>:80 。
所有系统配置的更新需要重新启动系统才能生效：
docker-compose up -d
访问 RAGFlow 界面
一旦服务器启动并运行，您可以通过浏览器访问 RAGFlow 界面。在默认配置下，您可以省略默认 HTTP 服务端口 80。只需在浏览器中输入 RAGFlow 服务器的 IP 地址即可。
通过上述步骤，您可以成功设置和运行 RAGFlow。确保遵循所有配置指南，并在启动服务器后检查其状态以确认一切正常。通过选择适当的 LLM 工厂和设置 API 密钥，您可以确保 RAGFlow 与您的业务需求无缝集成。最后，通过简单的浏览器操作，您就可以开始使用 RAGFlow 强大的文档理解和问答功能了。
