本文详细介绍了在云服务器上搭建基于RAGFlow的大模型应用全流程，包括租服务器、安装Ollama和DeepSeek模型、部署Docker环境、配置RAGFlow、启动服务以及接入LLM模型进行知识库测试。教程提供了详细的命令和配置说明，适合有一定技术基础的开发者快速上手构建自己的大模型应用，实现知识库问答功能。

前排提示，文末有大模型AGI-CSDN独家资料包哦！

1、租云平台服务器

很简单，避免广告嫌疑，这里我略过了…

2、安装Ollama和DeepSeek

2.1 Ollam安装

打开：https://ollama.com/

一条命令就可以下载部署ollama

curl -fsSL https://ollama.com/install.sh | sh

安装成功：

为了能在本地让Dify接入Ollama，所以我们需要修改Ollama的端口号（是因为我们租的服务器的缘故）

#往里面添加 Environment="OLLAMA_HOST=0.0.0.0:8891"
vi /etc/systemd/system/ollama.service

## 重新启动的配置

sudo systemctl daemon-reloadsudo
systemctl restart ollama

接入R1模型

2.2 DeepSeek模型接入

## 执行命令
OLLAMA_HOST=127.0.0.1:8891 ollama run  deepseek-r1:8b

3、安装Docker

详细教程可以看我知识库文章

https://www.yuque.com/lhyyh/linux/gncl1ptu0lvgf2rh

sudo apt-get update
#这个步骤可以不做
sudo apt-get install ca-certificates curl
sudo install -m 0755 -d /etc/apt/keyrings
#如果网络不好，这个文件用手动的方式下载，然后把文件改名叫docker.asc即可
sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc
sudo chmod a+r /etc/apt/keyrings/docker.asc
#将Docker的APT仓库添加到Ubuntu系统的APT源列表中，
#以便后续可以通过APT包管理器安装Docker相关的软件包
# Add the repository to Apt sources:
echo \
"deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu \
$(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \
sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
sudo apt-get update
# 安装Docker
sudo apt-get install docker-ce docker-ce-cli containerd.io
# 启动Docker服务
sudo systemctl start docker
sudo systemctl status docker

看到running状态说明docker已经正常启动

4、部署RAGFlow

网站地址：

https://github.com/infiniflow/ragflow/blob/main/README_zh.md

4.1 下载工程

$ git clone https://github.com/infiniflow/ragflow.git

4.2 修改版本信息

运行以下命令会自动下载 RAGFlow slim Docker 镜像 v0.16.0-slim。请参考下表查看不同 Docker 发行版的描述。如需下载不同于 v0.16.0-slim 的 Docker 镜像，请在运行 docker compose 启动服务之前先更新 docker/.env 文件内的 RAGFLOW_IMAGE 变量。

比如，你可以通过设置 RAGFLOW_IMAGE=infiniflow/ragflow:v0.16.0 来下载 RAGFlow 镜像的 v0.16.0 完整发行版。

4.3 修改端口号

docker-compose.yml

4.4 项目部署

$ cd ragflow
$ docker compose -f docker/docker-compose.yml up -d

如果你遇到 Docker 镜像拉不下来的问题，可以在 docker/.env 文件内根据变量 RAGFLOW_IMAGE 的注释提示选择华为云或者阿里云的相应镜像。

sudo nano /etc/docker/daemon.json
添加如下内容：
{
"log-driver": "json-file",
"log-opts": {
"max-size": "100m",
"max-file": "1"
},
"registry-mirrors": [
"https://x9r52uz5.mirror.aliyuncs.com",
"https://dockerhub.icu",
"https://docker.chenby.cn",
"https://docker.1panel.live",
"https://docker.awsl9527.cn",
"https://docker.anyhub.us.kg",
"https://dhub.kubesre.xyz"
]
}
然后重启docker
systemctl daemon-reload
systemctl restart docker

重复执行如下命令

$ cd ragflow
$ docker compose -f docker/docker-compose.yml up -d

5、启动的服务

docker logs -f ragflow-server

大家根据自己的情况注册即可

6、知识库测试

6.1 接入LLM模型

我们通过Ollama接入即可：

选择接入方式：ollama

系统模型配置

创建知识库

上传知识文件

点击解析（关键步骤）

效果测试

构建助理：Dify万能通

配置语言模型

对话测试

效果还不错，不过我本人更习惯使用 Dify ！

方便的话，动动您发财的小手，帮忙点个关注，点点赞吧～

更多推荐

• 工信部 · AIGC证书

  https://www.yuque.com/lhyyh/ai/ins6gx3o7hck7shb

• AI 工具集导航：

  https://tools.lhagi.com/

• AI 大模型全栈 50 万字知识库：

  本公众号对话框领取

  3 年打磨，全是精华，从普通职场人士到大模型算法，应有尽有！

读者福利：倘若大家对大模型感兴趣，那么这套大模型学习资料一定对你有用。

针对0基础小白：

如果你是零基础小白，快速入门大模型是可行的。
大模型学习流程较短，学习内容全面，需要理论与实践结合
学习计划和方向能根据资料进行归纳总结

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

这里我们能提供零基础学习书籍和视频。作为最快捷也是最有效的方式之一，跟着老师的思路，由浅入深，从理论到实操，其实大模型并不难。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓