搭建基于 RAGFlow + DeepSeek + Ollama 的知识库问答系统，需结合以下组件：

• RAGFlow：检索增强生成（Retrieval-Augmented Generation）框架，负责文档解析、向量检索与答案生成流程控制。
• DeepSeek：深度求索公司的大模型（需通过API或本地部署的模型文件调用）。
• Ollama：本地运行大模型的工具，支持Llama、Mistral等模型的量化版本。

一.安装成功截图

默认web端口是80，docker-compose.yml中可做修改：

二. 环境准备

2.1 安装基础工具

# 1.安装 Docker（用于 RAGFlow）
curl -fsSL https://get.docker.com | bash -s docker

# 2.安装 docker-compose（用于 RAGFlow）

curl -L "https://github.com/docker/compose/releases/download/v2.27.1/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
chmod +x /usr/local/bin/docker-compose

#3.ollama推荐安装：直接运行安装脚本，脚本安装包在本文附带资源
./install.sh
ollama-linux-amd64

# 4.下载最新安装脚本（可选，可能下载不下来）
curl -fsSL https://ollama.com/install.sh | sh

2.2下载 运行DeepSeek 模型

# 假设 DeepSeek 模型已发布到 Ollama（需替换实际模型名,默认端口为11434）
ollama run deepseek-r1:7b
#查看端口
ss -untlp|grep 11434

三.部署 RAGFlow

3.1 通过 docker-compose.yml 一键部署

原代码部署时镜像拉不下来，可以试下从国内镜像源拉取镜像，本次搭建镜像源选择一下镜像。搭建代码下载后需修改相对应文件。

（1）修改.env

.env 中可配置redis,mysql等占用宿主机端口，根据实际情况修改

（2）docker-compose.yml中直接配置ragflow镜像

（3）docker-compose-base.yml中修改镜像名称，根据自己下载镜像名称都需修改

#下载镜像：docker-compose-base.yml中需修改镜像名称
docker pull swr.cn-north-4.myhuaweicloud.com/ddn-k8s/docker.io/mysql:8.0.39
docker pull  docker.elastic.co/elasticsearch/elasticsearch:8.7.0
docker pull  minio/minio
docker pull redis:6.2.0 
docker pull swr.cn-north-4.myhuaweicloud.com/ddn-k8s/docker.io/infiniflow/infinity:v0.6.0-dev3
#这个镜像比较大，大约9G，需要内心等待
docker pull swr.cn-north-4.myhuaweicloud.com/ddn-k8s/docker.io/infiniflow/ragflow:v0.17.0

#下载源代码
git clone https://github.com/infiniflow/ragflow.git
cd ragflow/docker
chmod +x ./entrypoint.sh
#如果需要修改redis mysql等端口号在.env文件中修改
docker-compose up -d
docker logs -f ragflow-server

3.2 启动所有服务

#启动服务
docker-compose up -d

#查看容器是否启动
docker ps



#删除服务(可选)
docker-compose down
#停止并删除所有容器及关联的数据卷(可选)
docker-compose down -v
#停止服务(可选)
docker-compose stop

#移除命名卷（谨慎操作）(可选)
docker volume rm mysql_data	
docker volume rm big_mysql_data

#强制清理卷(谨慎操作)(可选)
docker volume prune

 #查看日志（可选）
 docker logs -f 容器名称

查看所有容器是否都已成功启动：

四. 系统模型设置

选择后台部署运行模型：

五. 构建知识库

5.1 上传文档到 RAGFlow

通过 RAGFlow 的 Web 界面（访问 http://localhost）上传文档（PDF、Word、Markdown 等),新增文件后在"动作"列点击解析，需要将原始文件解析为向量数据：

六.构建助理

构建助理时可选择不同的之知识库：

聊天，此次只是在cpu上跑通流程,根据实际情况选择GPU及模型：

七.常见问题解决

7.1 mysql镜像报错

ragflow-mysql   | 2025-03-31T02:12:46.026369Z 1 [ERROR] [MY-012960] [InnoDB] Cannot create redo log files because data files are corrupt or the database was not shut down cleanly after creating the data files.
ragflow-mysql   | 2025-03-31T02:12:46.026420Z 1 [ERROR] [MY-012930] [InnoDB] Plugin initialization aborted with error Generic error.

在docker-compose-base.yml调整mysql镜像参数

 interval: 20s
 timeout: 20s
 retries: 20

通过以上步骤，即可完成基于 RAGFlow + DeepSeek + Ollama 的知识库问答系统搭建。如需进一步优化，可结合业务需求调整检索策略或微调模型。

希望这篇文章对你有所帮助！如果觉得不错，别忘了点赞收藏哦！