ragflow部署以及api调用整理

一、部署前准备

1. 系统要求
   • 硬件：CPU≥4核，内存≥16GB，硬盘≥50GB（slim版本约10GB，完整版约18-20GB）
   • 软件：Docker≥24.0.0、Docker Compose≥v2.26.1、Git（若需克隆仓库）。
2. 环境配置
   • Docker镜像加速：国内用户需在Docker配置中添加镜像源（如阿里云、网易云等），否则可能拉取失败。
   • 虚拟化支持：Windows需启用Hyper-V、容器等组件；Linux需检查vm.max_map_count≥262144（临时设置：sudo sysctl -w vm.max_map_count=262144）。

---

二、部署步骤

1. 下载RAGFlow

• 克隆仓库：

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

  若Git速度慢，可直接从GitHub下载ZIP文件解压。
• 克隆国内仓库：

  https://gitcode.com/zhaochiyue/ragflow.git

2. 修改Docker配置

• 选择镜像版本：
  进入ragflow/docker目录，编辑.env文件，修改RAGFLOW_IMAGE变量：
  • slim版：无嵌入模型，适合资源有限（约10GB）。
  • 完整版：含嵌入模型，需设置为RAGFLOW_image=infiniflow/ragflow:v0.17.0（约18GB）。
• 端口冲突处理：若默认80端口被占用，修改docker-compose.yml中的端口映射（如8080:80）。

3. 启动服务

• 拉取镜像并启动：

  cd ragflow/docker docker compose -f docker-compose.yml up -d # 或使用docker-compose-CN.yml（部分版本）

  首次启动会自动拉取镜像，耗时较长（约15-30分钟）。
• 验证服务状态：

  docker logs -f ragflow-server

  若输出包含* Running on http://127.0.0.1:9380，则启动成功。
• 存在问题：

  可能出现ragflow-mysql error启动出错。可以等10分钟，再次运行docker compose up -d就正常了。

---

三、配置模型与知识库

1. 添加模型提供商

• Ollama配置：
  • 在RAGFlow界面点击“模型提供商”→“添加Ollama”，填写模型名称（如deepseek-r1）和基础URL（本机IP或host.docker.internal:11434）。
  • 确保Ollama已部署并运行ollama run deepseek-r1。
• Xinference配置：
  若使用GPU加速模型，需启动Xinference容器并配置API地址。

2. 创建知识库

1. 上传文件：支持Word、PDF、Excel等格式，需至少上传一个文件解析。
2. 配置解析参数：选择分段标识符（如标题、章节）和切片方法（如按段落或固定长度）。

---

四、常见问题解决

1. 镜像拉取失败：
   • 检查Docker镜像源配置，或更换为华为云、阿里云镜像（如swr.cn-north-4.myhuaweicloud.com/infiniflow/ragflow）。
   • 使用docker images确认镜像完整性，若缺失手动拉取。
2. 服务无法访问：
   • 检查防火墙或安全组是否开放端口（默认80或9380）。
   • Windows用户尝试访问http://localhost或http://host.docker.internal:9380。
3. 内存不足：
   • 建议使用完整版时关闭其他占用内存的程序，或升级硬件配置。

---

五、参考资源

• 官方文档：RAGFlow Docs
• 视频教程：DeepSeek+RagFlow部署实操
• 模型选择：推荐从Ollama的1.5B版本开始测试，逐步升级至8B模型。

六、api调用

1、添加api_key

2、调用聊天接口

import httpvar chat_id = "93b53a5820d511f0a8360242ac160006" //dialog_id
var BASE_URL = "http://192.168.1.1:80/"
var url = BASE_URL + String.format("api/v1/chats_openai/%s/chat/completions",chat_id)
var API_KEY = "ragflow-Q1N2E2OTk0MjBkYjExZjA4MzZkMDI0Mm" //需修改本地的api_keyvar headers = {"Content-type": "application/json","Authorization": "Bearer " + API_KEY
}
var params = {"model": "model","messages": [{"role":"user","content":msg}],"stream": false
}
// return url
return http.connect(url).header(headers).body(params).post().getBody()