在 Ubuntu 中用 Docker 安装 RAGFlow

一、安装

1.前提条件

CPU >= 4 核

RAM >= 16 GB

Disk >= 50 GB

Docker >= 24.0.0 & Docker Compose >= v2.26.1

安装docker:在Ubuntu中安装Docker并配置国内镜像

2.设置 vm.max_map_count

bash 复制代码
#设置 vm.max_map_count 不小于 262144

# 查看
sysctl vm.max_map_count

# 设置(下次系统重启时被重置)
sudo sysctl -w vm.max_map_count=262144

# 永久设置
sudo vim /etc/sysctl.conf

# sysctl.conf添加内容
vm.max_map_count=262144

3.下载

bash 复制代码
git clone https://github.com/infiniflow/ragflow.git

4.拉取镜像,启动服务

bash 复制代码
# 进入文件夹
cd ragflow/docker

# CPU
# Use CPU for embedding and DeepDoc tasks:
docker compose -f docker-compose.yml up -d

# GPU
# To use GPU to accelerate embedding and DeepDoc tasks:
docker compose -f docker-compose-gpu.yml up -d

5.确认服务器状态

bash 复制代码
# 查看ragflow日志
docker logs -f ragflow-server

# 查看容器
docker ps

docker ps -a

# 查看镜像
docker images

# 停止容器
docker stop <容器名>

# 删除容器
docker rm <容器ID>

# 删除镜像
docker rmi  <镜像名/镜像ID>

docker命令参考链接:docker常用命令

6.访问ragflow平台

bash 复制代码
http://ip:port

http://ip/login

注册账号,登录

安装ragflow参考官方链接:ragflow/README_zh

添加ollama模型参考链接:Windows 11 搭建私有知识库(docker、dify、deepseek、ollama)

二、遇到的问题

1.问题

在RAGFlow平台模型提供商添加Ollama模型过程中,可以添加Ollama本地模型,但是在系统模型设置中无法设置

解决方法:

(1)API添加API KEY

(2)添加Ollama模型时填入API-Key导入模型

(3)可在系统模型设置中设置该新添加的Ollama模型

参考链接:rangflow无法使用本地部署的模型

相关推荐
小刘快学习5 分钟前
一把钥匙开所有门:企业AI网关的统一身份与权限治理
大数据·人工智能
熊猫钓鱼>_>10 分钟前
MiniMax 深度观察:不是又一个大模型,是AI生产效率的范式革新
人工智能·ai·自然语言处理·媒体·benchmark·minimax·行业
TechWayfarer13 分钟前
Cloudflare 9·15新政倒计时:用IP风险画像识别AI爬虫,防止误伤Googlebot
网络·人工智能·爬虫·python·tcp/ip·网络安全
Anhty22 分钟前
2026九月最新变声器测评:iOS安卓双端适配,低延迟运行更稳定
android·人工智能·功能测试·ios·智能手机
新时代牛马34 分钟前
Linux 系统调用与IPC 完整篇:从syscall 入口、VDSO 到pipe/shm/futex 选型
linux·运维·服务器
DisonTangor37 分钟前
【腾讯混元雪耻归来】 Hy4 preview:770B 参数 MoE 旗舰模型,1M 上下文全面开源
人工智能·算法·开源·aigc·腾讯云·腾讯云ai代码助手
luckystar513~44 分钟前
Hermes 实战 :系列收官/生产化——安全审计与运维
运维·人工智能·安全·agent·智能体开发·hermes实战·智能体网关
Mickey Q1 小时前
【深度学习】数值稳定性和模型初始化
人工智能·深度学习
冬奇Lab1 小时前
Code Agent 解剖(20):从零扩展——给 agent 加一个新工具
人工智能·开源
论文复现现场1 小时前
RTX 4090 24GB 能跑 Qwen3.8-27B 吗?单卡显存计算与云端部署指南
人工智能·python·云计算·llama·gpu算力