RAGFlow介绍

1. 官网：https://ragflow.io/
2. 将生成式人工智能融入您的业务 （检索增强生成引擎，释放您的全部潜力）
3. RAGFlow 是一款基于深度文档理解构建的开源 RAG（Retrieval-Augmented Generation）引擎。RAGFlow 可以为各种规模的企业及个人提供一套精简的 RAG 工作流程，结合大语言模型（LLM）针对用户各类不同的复杂格式数据提供可靠的问答以及有理有据的引用。

v0.20.3版本

1. 新功能

本版本主要改进：
1. 改进知识库、Chat 以及 Search 的页面布局，Search 全新交互，知识库和 Chat 的配置交互
2. 增加了文档级别的 meta data 过滤，在对话和搜索时可以设置自动手动过滤
3. Search 支持创建应用来满足不同的业务场景
4. Chat 提供同一提问下的多模型比较能力
5. Agent 优化：Agent 节点提供是否展示引用的开关，提供拖拽创建节点等改进
6. Agent 修复：解决开场白丢失，提示词编辑器自动换行等问题
7. 修复 0.20 引入的超时机制导致 GraphRAG 等任务可能因超时无法完成的错误 

新上架 1 个模板：
Report Generation Agent：由社区开发者贡献，针对企业内部知识库问答场景下的综述报告，支持表格和公式展示，已在某科研高校部署。

3. 更多版本信息： https://github.com/infiniflow/ragflow/releases/tag/v0.20.3

安装脚本

1. 注意事项：确保服务器8077端口不被占用，不然需自己更改端口信息

创建目录

1. mkdir -p /data/yunxinai && cd /data/yunxinai/

脚本下载

1. 下载git脚本：git clone https://gitcode.com/yunxinai/rag-sh.git
   
2. 如果没有安装git，则进行git安装：yum install -y git

脚本执行

1. 脚本执行：sh /data/yunxinai/rag-sh/ragflow/0.20.3-slim/start.sh

• 如没有安装docker 或者 docker-compose 请参考：https://mp.weixin.qq.com/s/gKFdHNumVAGdlFZdbdmIRw

2. 镜像拉取
   
   
   
3. 查看是否启动成功：docker-compose ps
   

报错解决

1. 报错信息：Error response from daemon: failed to create task for container: failed to create shim task: OCI runtime create failed: runc create failed: unable to start container process: exec: “./entrypoint.sh”: permission denied: unknown
   
2. 报错解决，执行脚本：chmod +x /data/yunxinai/ragflow/v0.20.3-slim/ai-code-ragflow/0.20.3/docker/*.sh
3. 再重新启动，在对应目录：cd /data/yunxinai/ragflow/v0.20.3-slim/ai-code-ragflow/0.20.3/docker
4. 执行启动命令：docker-compose -f docker-compose.yml up -d
   

RAGFlow验证

初始化账号

1. 部署的IP+端口进行访问，默认为8077端口，如：http://11.0.1.141:8077/login
2. 创建账户
   
3. 进行登录
   
4. 首页信息，是不是比之前好看很多
   

版本验证

1. 查看系统版本信息
   
2. 至此，RAGFlow 0.20.1 版本的安装流程就全部完成了。整个过程中如果遇到任何问题，欢迎随时私信博主微信：cqyunxinai，我会尽力为大家解答并提供帮助。