【AI工具箱】RAGFlow：打造私有的专业知识库

RAGFlow 是什么？

想象一下，你想让 AI 回答公司内部文档、产品手册、技术资料里的问题，但这些资料 ChatGPT 不知道。你需要一个"智能图书管理员"，它能：

• 帮你整理所有文档
• 记住文档里的每一个细节
• 当你提问时，快速找到相关内容并给出准确答案

RAGFlow 就是这样一个"智能图书管理员"！

什么是 RAG？

RAG = Retrieval Augmented Generation（检索增强生成），简单来说：

1. 📚 检索：从你的文档库中找到相关内容
2. 🤖 生成：把找到的内容交给 AI，生成准确的答案

传统 AI vs RAG：

• ❌ 传统 AI：只能回答它训练时学到的内容，不知道你的私有文档
• ✅ RAG：能基于你上传的文档回答问题，答案更准确、更专业

RAGFlow 的核心优势

• 🎨 可视化界面：有完整的后台管理 UI，无需写代码
• 📁 支持多种文件：PDF、Word、Excel、TXT 等都能上传
• 🧠 智能解析：深度理解文档内容，而不是简单的文字匹配
• 🔍 精准检索：内置混合检索、重排序策略，找到最相关的内容
• 🏢 企业级：可以快速搭建私有的企业知识库

使用场景：

• 📖 企业内部知识库（员工手册、产品文档、技术规范）
• 💼 客服机器人（基于FAQ、产品说明书回答客户问题）
• 🎓 教育培训（上传课程资料，自动回答学员问题）
• 🔬 研究助手（整理论文、研究报告，快速查找相关资料）

官方文档

完整的使用教程请参考：https://ragflow.io/docs/dev/

---

本地部署教程

为什么要本地部署？

• 💰 完全免费：无需购买云服务
• 🔒 数据安全：所有文档保存在本地，不泄露
• ⚡ 无限制：想传多少文档就传多少

前提条件： 确保你已经安装了 Docker（查看安装教程）

第一步：下载代码

# 克隆 RAGFlow 仓库
git clone https://github.com/infiniflow/ragflow.git

# 进入项目目录
cd ragflow/docker

第二步：修改配置（可选但推荐）

1. 修改默认端口

作用： 如果默认端口被占用，可以改成其他端口。

文件位置： docker-compose.yml

2. 修改 Redis 端口（如果同时运行 Dify）

作用： 避免与 Dify 的 Redis 端口冲突。

文件位置： docker-compose.yml

3. 调整内存限制（默认 8GB）

作用： 根据你的电脑配置调整内存使用。

说明：

• 配置较低的电脑：可以降低到 4GB
• 配置较高的电脑：可以保持 8GB 或更高

文件位置： docker/.env

4. 配置线程数（优化性能）

作用： 根据 CPU 核心数调整，提高处理速度。

建议：

• 4 核 CPU：设置为 2-4
• 8 核 CPU：设置为 4-8
• 16 核以上：设置为 8-16

文件位置： docker/entrypoint.sh

第三步：启动 RAGFlow

启动命令：

# 确保在 ragflow/docker 目录下
docker compose -p ragflow up -d

说明：

• -p ragflow：项目名称
• -d：后台运行

访问地址： 启动成功后，在浏览器打开 http://localhost 或 http://localhost:你的端口号

首次访问：

• 默认账号：admin
• 默认密码：admin
• 登录后请及时修改密码

常用管理命令

查看运行状态

docker compose -p ragflow ps

作用： 查看所有容器是否正常运行。

重启服务

docker compose -p ragflow restart

使用场景： 修改配置后需要重启生效。

停止服务

docker compose -p ragflow down

注意： 这个命令会停止并删除容器，但数据会保留。

---

配置反向代理（进阶，使用域名访问）

什么是反向代理？
让 RAGFlow 可以通过域名（如 rag.yourdomain.com）访问，而不是 IP 地址。

适用场景： 如果你有自己的域名，想让 RAGFlow 更专业、更好记。

Nginx 配置示例：

# 禁用用户注册（可选，防止陌生人注册）
location /v1/user/register {
    deny all;
    return 403;
}

# 反向代理配置
location ^~ / {
    proxy_pass http://127.0.0.1:8012;
    proxy_set_header Host $http_host;
    proxy_set_header X-Real-IP $remote_addr;
    proxy_set_header X-Real-Port $remote_port;
    proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
    proxy_set_header X-Forwarded-Proto $scheme;
    proxy_set_header X-Forwarded-Host $host;
    proxy_set_header X-Forwarded-Port $server_port;
    proxy_set_header REMOTE-HOST $remote_addr;

    proxy_connect_timeout 60s;
    proxy_send_timeout 600s;
    proxy_read_timeout 600s;
    proxy_http_version 1.1;
    proxy_set_header Upgrade $http_upgrade;
    proxy_set_header Connection $connection_upgrade;
}

注意： 把 8012 改成你实际使用的端口。

---

数据备份与迁移

重要提示： RAGFlow 的所有数据（知识库、文档、配置等）都保存在 Docker volumes 中。

备份方法：

查看 Docker volumes 位置：

备份命令：

# 停止服务
docker compose -p ragflow down

# 备份数据卷
docker run --rm -v ragflow_es_data:/data -v $(pwd):/backup alpine tar czf /backup/ragflow-backup.tar.gz -C /data .

# 重启服务
docker compose -p ragflow up -d

恢复数据：

# 停止服务
docker compose -p ragflow down

# 恢复数据卷
docker run --rm -v ragflow_es_data:/data -v $(pwd):/backup alpine sh -c "cd /data && tar xzf /backup/ragflow-backup.tar.gz"

# 重启服务
docker compose -p ragflow up -d

---

开启 MCP 集成（v0.18.0+）

什么是 MCP？

MCP (Model Context Protocol) 让 AI 工具（如 Claude Desktop、Windsurf）可以直接调用 RAGFlow 的知识库。

使用场景：

• 在 Claude Desktop 中直接查询你的知识库
• 在 AI 编程助手中获取企业文档
• 让 AI 基于你的私有知识回答问题

第一步：获取 API 密钥

1. 登录 RAGFlow 后台
2. 进入设置页面
3. 找到并复制 API Key

第二步：配置 Docker Compose

详细教程： https://ragflow.io/docs/dev/launch_mcp_server#launch-from-docker

操作步骤：

1. 打开文件：docker/docker-compose.yml
2. 找到 MCP 相关配置（被注释的部分）
3. 取消注释并填写你的 API 密钥

配置示例：

# example to setup MCP server
command:
  - --enable-mcpserver
  - --mcp-host=0.0.0.0
  - --mcp-port=9382
  - --mcp-base-url=http://127.0.0.1:39004
  - --mcp-script-path=/ragflow/mcp/server/server.py
  - --mcp-mode=self-host
  - --mcp-host-api-key=ragflow-你的API密钥  # 替换成你的API密钥
container_name: ragflow-server
ports:
  - ${SVR_HTTP_PORT}:9380
  - 8012:80
  - 4432:443
  - 5678:5678
  - 5679:5679
  - 39004:9382  # MCP 端口映射（宿主机端口:容器端口）

配置说明：

• --mcp-host-api-key：填写你的 API 密钥
• 39004:9382：端口映射，左边是外部访问端口，右边是容器内端口
• 修改配置后需要重启：docker compose -p ragflow restart

---

总结

通过这篇教程，你应该已经掌握了：

1. ✅ RAG 和 RAGFlow 的概念：检索增强生成，打造私有知识库
2. ✅ 本地部署方法：使用 Docker 快速部署
3. ✅ 性能优化配置：内存限制、线程数、端口设置
4. ✅ 数据管理：备份和恢复数据的完整方法
5. ✅ MCP 集成：让 AI 工具直接访问你的知识库

下一步建议：

• 登录后台，创建你的第一个知识库
• 上传一些文档，测试智能问答效果
• 查看 官方文档 学习高级功能
• 尝试与 AI 工具（Claude、Windsurf）集成

使用提示：

• 📁 文档格式：支持 PDF、Word、Excel、Markdown、TXT 等
• 🔍 搜索技巧：提问越具体，答案越准确
• 💡 文档质量：上传的文档内容越清晰，AI 回答越好
• 🔄 定期更新：及时上传新文档，保持知识库最新

祝你使用愉快！🎉