一、简介

就目前而言RAGFlow在知识库方面还是比dify强的，因此如果dify能和ragflow联合使用，那么效果岂不是更强，现在教程来了。

二、RAGFlow部署

RAGFlow部署要求如下：

• CPU ≥ 4 cores (x86);

• RAM ≥ 16 GB;

• Disk ≥ 50 GB;

• Docker ≥ 24.0.0 & Docker Compose ≥ v2.26.1.

当前要下载0.17.2 stable 版本，否则会出现问题，如系统模型设置不了。

系统会在默认浏览器中打开登录地址http://localhost/login。

点击注册，来注册一个账号。

使用上并没有什么门槛，和dify差不多，只要做好模型配置，就能配置知识库。

三、RAG配置模型

关于知识库的部分需要LLM与RERANK模型，添加方式与dify相似。

四、RAG知识库

上传文档后，进行解析，需要全部解析完才能使用，对于单个文档比较多的情况，会比较慢。

上传完成后，尝试使用一次。

五、dify+ragflow

5.1 ragflow中操作

在RAGFlow中创建一个api key

+

找到知识库id，如下图

5.2 在dify中操作

在dify中添加外部知识库

• API Ednpoint：填写http://<ragflow地址>:9380/api/v1/dify

• apikey：填写刚才在ragflow创建好的apikey，点击保存

正确填写信息后，保存，如下。

在创建知识库中，选择连接外部知识库：

需要正确填写直接准备的知识库ID

这样知识库就完成了，下面适用一下，以聊天助手类为例，添加外部知识库，即可。

设置后添加一个具体的问题

非常成功。

我们该怎样系统的去转行学习大模型 ？

很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近100余次后，终于把整个AI大模型的学习门槛，降到了最低！

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来： 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​

一、大模型经典书籍（免费分享）

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套大模型报告（免费分享）

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、大模型系列视频教程（免费分享）

四、2025最新大模型学习路线（免费分享）

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调。

L5阶段：专题集丨特训篇 【录播课】

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取

​