引言

RAGFlow 是一个基于检索增强生成（Retrieval-Augmented Generation, RAG）的开源框架，而 Ollama 是一个本地运行大型语言模型（LLM）的工具。将两者结合可以构建一个强大的本地知识问答系统，无需依赖云服务即可实现高质量的文本生成和问答功能。

环境要求

CPU >= 4 cores
RAM >= 16 GB
Disk >= 50 GB
Docker >= 24.0.0 & Docker Compose >= v2.26.1

1. 配置本地ollama模型

通过官网下载ollama
ollama官网
下载完后，点击官网的Models，可以下载合适的模型,同时要注意自己的电脑情况下载
当你选择模型后，直接复制命令粘贴在终端运行，运行结束后就是简陋的ai

2.检查自己的wsl情况

WSL（Windows Subsystem for Linux）是微软开发的一项技术，允许用户在Windows系统中直接运行完整的Linux环境，无需虚拟机。win默认系统自带了wsl，直接管理员身份打开cmd执行相关操作。

升级到最新版本

wsl --update

下载过程很慢

安装ubuntu命令

wsl --install -d ubuntu

这里安装成功后会自动提示你创建用户名，密码，其中密码是看不见打的，记住自己填了什么

3.下载docker

直接到官网下载
docker官网
注册可以跳过，直接进入

4.下载ragflow

ragflow的GitHub链接
下在成功后，打开下载后的文件夹
输入

cd docker
docker compose -f docker-compose.yml up -d12

如果没有找到docker，说明下载不完整

这里打开
然后运行docker logs -f ragflow-server
会出现以下证明生效

注意，要启动docker，再运行这个命令，不然无法运行
这时回到docker，看到以下就成果了

5.打开ragflow页面

http://localhost/knowledge 

注册一下，进入后点击头像

在待添加的模型里面选择ollama

要得到以上效果，需要在ollama官网里面选择一个chat模型，一个embedding模型
这里我们打开在github上下载的ragflow文件里面，同刚才的步骤，切换到终端打开，然后cd到docker中下载这两个模型，或者你选择其他的模型
在待添加的模型里面点击添加模型，模型类型根据刚才下载的类型填写，模型名称根据下载的名字填写，如果不知道是什么，终端运行ollama list查看已经下载的模型，
url这里，如果你是在ragflow里面下载的模型，就填写http://host.docker.internal:11434
最大token数就是你在使用这个ai的时候，一次性最多输入的字符，根据自己情况填写
随后在已经添加的模型里面，点击添加模型，步骤同刚才，url只要是部署在ragflow里面的，就用http://host.docker.internal:11434这个

完成以上步骤后,我们点击右上角的设置默认模型，选择你自己添加的

然后我们就可以在知识库里面添加自己的文档

注意上传后要点击简析按钮

然后就可以对话了，新建一个自己的助理

选择对应的数据库，等等。
至于回答你的速度跟你下载的模型大小有关