# 一、RAGFlow 部署前提

最低硬件要求：

- CPU ≥ 4 核
- 内存 ≥ 16 GB
- 磁盘 ≥ 50 GB
- Docker ≥ 24
- Docker Compose ≥ 2.26 ([ragflow.com.cn][1])

RAGFlow 默认依赖这些组件：

- MySQL
- Redis
- MinIO（对象存储）
- Elasticsearch / Infinity（检索）
- API Server

这些都已经写在 `docker-compose` 里。 ([ragflow.com.cn][2])

---

# 二、系统参数调整（必须）

RAGFlow 用 Elasticsearch，需要调内核参数：

```bash
sysctl vm.max_map_count
```

如果小于 **262144**：

```bash
sudo sysctl -w vm.max_map_count=262144
```

永久生效：

```bash
echo "vm.max_map_count=262144" >> /etc/sysctl.conf
sysctl -p
```

否则 ES 会启动失败。 ([ragflow.com.cn][1])

---

# 三、下载 RAGFlow

```bash
git clone https://github.com/infiniflow/ragflow.git
cd ragflow
```

进入 docker 目录：

```bash
cd docker
```

目录结构大概：

```
ragflow/
 ├ docker/
 │   ├ docker-compose.yml
 │   ├ docker-compose-base.yml
 │   ├ .env
 │   └ service_conf.yaml.template
```

---

# 四、配置环境变量

编辑 `.env`

```bash
nano .env
```

主要配置：

```env
# elasticsearch
STACK_VERSION=8.11.3
ELASTIC_PASSWORD=ragflow

# kibana
KIBANA_USER=rag_flow
KIBANA_PASSWORD=infini_rag_flow

# ports
ES_PORT=1200
KIBANA_PORT=6601
```

如果需要修改 Web 端口：

编辑 `docker-compose.yml`

```yaml
ports:
  - "8080:80"
```

访问地址就变成：

```
http://服务器IP:8080
```

---

# 五、启动 RAGFlow

```bash
docker compose -f docker-compose.yml up -d
```

查看容器：

```bash
docker ps
```

正常会有这些容器：

```
ragflow-server
ragflow-worker
mysql
redis
minio
elasticsearch
kibana
```

---

# 六、访问 RAGFlow

浏览器访问：

```
http://服务器IP
```

首次使用需要注册账号。

然后就可以：

1️⃣ 创建 Dataset（知识库）

2️⃣ 上传 PDF / Markdown / 文档

3️⃣ 自动解析

4️⃣ 创建 AI Chat

RAG 就跑起来了。

---

# 七、连接大模型

RAGFlow **本身不带 LLM**，需要接模型。

常见配置：

| 类型    | 推荐             |
| ----- | -------------- |
| 本地模型  | Ollama         |
| GPU推理 | vLLM           |
| API   | OpenAI / Azure |
| 国产    | DeepSeek       |

例如接 **Ollama**

先装 Ollama：

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

拉模型：

```bash
ollama pull llama3
```

然后在 RAGFlow UI：

```
Settings → Model Providers
```

添加：

```
Provider: Ollama
URL: http://host.docker.internal:11434
```

---

# 八、常用运维命令

查看日志

```bash
docker logs ragflow-server -f
```

停止

```bash
docker compose down
```

升级

```bash
git pull
docker compose pull
docker compose up -d
```

---

# 九、生产环境建议

推荐配置：

```
8 CPU
32GB RAM
100GB SSD
```

并且：

- Elasticsearch 单独部署
- MinIO 使用对象存储
- GPU + vLLM

RAGFlow 在企业环境一般是：

```
Nginx
   │
RAGFlow API
   │
Elasticsearch
Redis
MySQL
MinIO
```

---

# 十、很多人部署失败的 3 个原因

90% 卡在这里：

### 1 Docker 版本太低

必须：

```
Docker ≥ 24
Compose ≥ 2.26
```

---

### 2 内存不足

RAGFlow 启动 ES + Python worker

最低：

```
16GB
```

---

### 3 vm.max_map_count 没改

ES 直接 crash。

---

# 十一、如果你是做 AI 产品（强烈建议）

我建议你这样部署 RAGFlow：

```
RAGFlow
   │
vLLM (推理)
   │
Embedding Service
   │
对象存储
```

效果比默认好很多。

---

💡 如果你愿意，我可以再给你一份 **“RAGFlow 企业级部署架构”**（包括）：

- GPU 推理架构
- embedding 服务
- chunk pipeline
- RAGFlow + MCP
- 和你现在的 **智能体架构怎么融合**

我可以直接画一张 **完整 RAG 系统架构图**。

[1]: https://ragflow.com.cn/docs?utm_source=chatgpt.com "快速入门 | RAGFlow 引擎"
[2]: https://ragflow.com.cn/docs/dev/configurations?utm_source=chatgpt.com "配置 | RAGFlow 引擎"