DeepSeek+RAGFlow构建本地知识库

引言

在 AI 领域，RAG（Retrieval-Augmented Generation，检索增强生成）技术被广泛用于增强大语言模型（LLM）的知识能力。本文将介绍如何使用 DeepSeek 与 RAGFlow 搭建本地知识库，实现高效的知识检索与增强。

本教程基于以下设备进行测试：

处理器：13th Gen Intel(R) Core(TM) i5-13400F 2.50 GHz
内存：32.0 GB
显卡：NVIDIA GTX 1070 Ti（8G）
操作系统：windows11

一：下载Ollama

Ollama 是一个开源的大型语言模型（LLM）平台，旨在让用户能够轻松地在本地运行、管理和与大型语言模型进行交互。

Ollama的Github仓库里面也更加详细的介绍，接下来点击这个链接下载（https://ollama.com/download）应用程序

安装完成后，按下 Win+R，输入 cmd 打开终端，并输入以下命令检查安装状态：

ollama

如果出现如下输出，说明安装成功。

二：部署DeepSeek模型

在ollama官网最上方的搜索框中输入deepseek-r1，进入这个模型

找到适合自己的模型并复制命令

复制命令并在终端执行（以下以 1.5B 模型为例）：

1	ollama pull deepseek-r1:1.5b

运行以下命令检查是否安装成功：

1	ollama list

显示 deepseek-r1:1.5b，说明已经安装成功。

模型硬件要求

版本	CPU	内存	显卡	存储
DeepSeek-R1-1.5B	任意四核处理器	8GB	无需 GPU	12GB
DeepSeek-R1-7B	Ryzen 7 或更高	16GB	RTX 3060 (12GB) 或更高	80GB
DeepSeek-R1-14B	i9-13900K 或更高	32GB	RTX 4090 (24GB) 或更高	200GB
DeepSeek-R1-32B	Xeon 8核+128GB 或更高	64GB	2-4张 A100 80GB 或更高	320GB
DeepSeek-R1-70B	Xeon 8核+128GB 或更高	128GB	8+张 A100/H100，显存 ≥80GB/卡	500GB+

三：安装Docker Desktop

下载地址：https://www.docker.com/，下载好后安装即可

安装完成后，打开 Docker Desktop。
如果出现 Docker Engine stopped 错误，可能是缺少 WSL 支持。
运行以下命令安装 WSL：
1
wsl --update
重新启动 Docker Desktop。

四：安装RAGFlow

设备要求如下：

CPU >= 4 核
RAM >= 16 GB
Disk >= 50 GB
Docker >= 24.0.0 & Docker Compose >= v2.26.1

RAGFlow的Github仓库地址：https://github.com/infiniflow/ragflow，下载即可，地址里面对RAGFlow的介绍很详细，可以阅读一遍

下载压缩包后并解压，找到ragflow-main/docker/.env文件

找到RAGFLOW_IMAGE=infiniflow/ragflow:v0.17.0-slim并添加注释“#”
找到RAGFLOW_IMAGE=infiniflow/ragflow:v0.17.0并删除注释“#”

在 docker 目录下打开 CMD，执行以下命令：

1	docker compose -f docker-compose.yml up -d

出现以下图案则说明服务器启动成功：

    ____   ___    ______ ______ __
   / __ \ /   |  / ____// ____// /____  _      __
  / /_/ // /| | / / __ / /_   / // __ \| | /| / /
 / _, _// ___ |/ /_/ // __/  / // /_/ /| |/ |/ /
/_/ |_|/_/  |_|\____//_/    /_/ \____/ |__/|__/

* Running on all addresses (0.0.0.0)