notes/work/移动杭研/AI 项目/RAG Flow 部署.md

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)

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)

---

二、系统参数调整（必须）

RAGFlow 用 Elasticsearch，需要调内核参数：

sysctl vm.max_map_count

如果小于 262144：

sudo sysctl -w vm.max_map_count=262144

永久生效：

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

否则 ES 会启动失败。 (ragflow.com.cn)

---

三、下载 RAGFlow

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

进入 docker 目录：

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

nano .env

主要配置：

# 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

ports:
  - "8080:80"

访问地址就变成：

http://服务器IP:8080

---

五、启动 RAGFlow

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

查看容器：

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：

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

拉模型：

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

docker logs ragflow-server -f

停止

docker compose down

升级

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。