【解决方案-RAGFlow】RAGFlow显示Task is queued、 Microsoft Visual C++ 14.0 or greater is required.

目录

[一、长时间显示:Task is queued](#一、长时间显示:Task is queued)

二、GraphRAG消耗大量Token

[三、error: Microsoft Visual C++ 14.0 or greater is required. Get it with "Microsoft C++ Build Tools"](#三、error: Microsoft Visual C++ 14.0 or greater is required. Get it with “Microsoft C++ Build Tools“)

[四、ModuleNotFoundError: No module named 'infinity.common'; 'infinity' is not a package](#四、ModuleNotFoundError: No module named 'infinity.common'; 'infinity' is not a package)

[五、ModuleNotFoundError: No module named 'tavily'](#五、ModuleNotFoundError: No module named 'tavily')

[六、ImportError: DLL load failed while importing onnxruntime_pybind11_state: 动态链接库(DLL)初始化例程失败。](#六、ImportError: DLL load failed while importing onnxruntime_pybind11_state: 动态链接库(DLL)初始化例程失败。)


一、长时间显示:Task is queued

多半是因为模型确实在队列中排队的原因,要么是内存一直在被占用中,要么是CPU或GPU一直在被占用中,可以首先检查硬件利用率:

如果是内存导致的队列缓慢,可以将.env文件中的MEM_LIMIT 改为 26073741824

如果是GPU或者CPU的原因,得具体排查,终止无用进程,如果都不是,检查docker容器的日志看看是否有任何异常:docker logs -f ragflow-server,并依次检查mysql、es、minio的日志

二、GraphRAG消耗大量Token

这个问题目前是避免不了,graphrag这个速度目前正在改进,因为是每一个文件做了一次graphrag,最终导致合并graph时累计请求llm次数过多。

三、error: Microsoft Visual C++ 14.0 or greater is required. Get it with "Microsoft C++ Build Tools"

在使用终端中的pip命令安装datrie程序包时,遇到了报错信息。报错提示需要安装Microsoft Visual C++ 14.0或更高版本。

为了安装这个环境,可以选择直接安装Visual Studio,它会自动安装所有需要的包,但体积较大,包含很多不必要的组件。为了更精简,我们选择只安装Microsoft Visual C++ Build Tools:https://visualstudio.microsoft.com/ru/visual-cpp-build-tools/。访问Microsoft Visual C++ Build Tools下载页面,并根据页面指引下载并安装。

选择这两个进行安装,如果是Win10的话选择对应的Win10的包

四、ModuleNotFoundError: No module named 'infinity.common'; 'infinity' is not a package

提示报错:

bash 复制代码
Traceback (most recent call last):
File "/home/ragflow/ragflow/api/ragflow_server.py", line 33, in
from api import settings
File "/home/ragflow/ragflow/api/settings.py", line 20, in
import rag.utils.infinity_conn
File "/home/ragflow/ragflow/rag/utils/infinity_conn.py", line 24, in
from infinity.common import ConflictType, InfinityException, SortType
ModuleNotFoundError: No module named 'infinity.common'; 'infinity' is not a package
Traceback (most recent call last):
File "/home/ragflow/ragflow/rag/svr/task_executor.py", line 22, in
from graphrag.general.index import WithCommunity, WithResolution, Dealer
File "/home/ragflow/ragflow/graphrag/general/index.py", line 21, in
from api import settings
File "/home/ragflow/ragflow/api/settings.py", line 20, in
import rag.utils.infinity_conn
File "/home/ragflow/ragflow/rag/utils/infinity_conn.py", line 24, in
from infinity.common import ConflictType, InfinityException, SortType
ModuleNotFoundError: No module named 'infinity.common'; 'infinity' is not a package

按照教程安装pip install infinity-embedded-sdk==0.6.0.dev3后出现:

No matching distribution found for infinity-embedded-sdk==0.6.0.dev3

这个应该下载的是infinity-sdk

pip install infinity-sdk==0.6.0.dev3

五、ModuleNotFoundError: No module named 'tavily'

Tavily Search API是专为大语言模型(LLM)设计的搜索引擎,旨在帮助开发者和自主人工智能体实现高效、精准的信息检索。

pip install tavily-python

安装完可以测试一下:

python 复制代码
from tavily import TavilyClient
import pprint
 
# 初始化 TavilyClient
tavily_client = TavilyClient(api_key="tvly-**********9") # 这里你需要去注册账号,申请api_key, 注册地址:https://tavily.com/
 
# 执行搜索查询
response = tavily_client.search("地震的形成原因")
 
# 打印搜索结果
pprint.pprint(response)

六、ImportError: DLL load failed while importing onnxruntime_pybind11_state: 动态链接库(DLL)初始化例程失败。

ImportError: DLL load failed while importing onnxruntime_pybind11_state: 动态链接库(DLL)初始化例程失败。 错误表明在导入 onnxruntime 时,Python 无法加载其依赖的动态链接库(DLL)。

主要原因还是因为Python 版本与 ONNX Runtime 版本不兼容,ONNX Runtime 对 Python 版本有特定要求,ONNX Runtime 通常支持 Python 3.6 到 3.10。

安装1.13.1版本一般可以,pip install onnxruntime==1.13.1

相关推荐
AI大模型1 分钟前
无所不能的Embedding(02) - 词向量三巨头之FastText详解
程序员·llm·agent
AI大模型16 分钟前
无所不能的Embedding(03) - word2vec->Doc2vec[PV-DM/PV-DBOW]
程序员·llm·agent
理智的煎蛋28 分钟前
CentOS/Ubuntu安装显卡驱动与GPU压力测试
大数据·人工智能·ubuntu·centos·gpu算力
知来者逆36 分钟前
视觉语言模型应用开发——Qwen 2.5 VL模型视频理解与定位能力深度解析及实践指南
人工智能·语言模型·自然语言处理·音视频·视觉语言模型·qwen 2.5 vl
IT_陈寒37 分钟前
Java性能优化:10个让你的Spring Boot应用提速300%的隐藏技巧
前端·人工智能·后端
Android出海41 分钟前
Android 15重磅升级:16KB内存页机制详解与适配指南
android·人工智能·新媒体运营·产品运营·内容运营
cyyt42 分钟前
深度学习周报(9.1~9.7)
人工智能·深度学习
悟乙己43 分钟前
使用 Python 中的强化学习最大化简单 RAG 性能
开发语言·python·agent·rag·n8n
聚客AI1 小时前
🌸万字解析:大规模语言模型(LLM)推理中的Prefill与Decode分离方案
人工智能·llm·掘金·日新计划
max5006001 小时前
图像处理:实现多图点重叠效果
开发语言·图像处理·人工智能·python·深度学习·音视频