RAGFlow介绍

1. 官网：https://ragflow.io/
2. 将生成式人工智能融入您的业务 （检索增强生成引擎，释放您的全部潜力）
3. RAGFlow 是一款基于深度文档理解构建的开源 RAG（Retrieval-Augmented Generation）引擎。RAGFlow 可以为各种规模的企业及个人提供一套精简的 RAG 工作流程，结合大语言模型（LLM）针对用户各类不同的复杂格式数据提供可靠的问答以及有理有据的引用。

v0.20.1版本

1. 新功能

1. 检索组件现在支持使用变量动态指定知识库名称。
2. 用户界面现在包含法语选项。

2. 新的代理模板（工作流和代理）

1. SQL助手工作流：赋能非技术团队（例如运营、产品）独立查询业务数据。
2. 选择您的知识库工作流程：允许用户在对话期间选择要查询的知识库。
3. 选择您的知识库代理：提供更高质量的响应和更长的推理时间，适合复杂的查询。

3. 更多版本信息：https://github.com/infiniflow/ragflow/releases/tag/v0.20.1

安装脚本

1. 注意事项：确保服务器80端口不被占用，不然需自己更改端口信息

创建目录

1. mkdir -p /data/yunxinai && cd /data/yunxinai/

脚本下载

1. 下载git脚本：git clone https://gitcode.com/yunxinai/rag-sh.git
   
2. 如果没有安装git，则进行git安装：yum install -y git

脚本执行

1. 脚本执行：sh /data/yunxinai/rag-sh/ragflow/0.20.1-slim/start.sh

• 如没有安装docker 或者 docker-compose 请参考：https://mp.weixin.qq.com/s/gKFdHNumVAGdlFZdbdmIRw

2. 镜像拉取
   
   
   

3. 查看是否启动成功：docker-compose ps
   

报错解决

1. 报错信息：Error response from daemon: failed to create task for container: failed to create shim task: OCI runtime create failed: runc create failed: unable to start container process: exec: “./entrypoint.sh”: permission denied: unknown
   
2. 报错解决，执行脚本：chmod +x /data/yunxinai/ragflow/v0.20.1-slim/ai-code-ragflow/0.20.1/docker/*.sh
3. 再重新启动，在对应目录：cd /data/yunxinai/ragflow/v0.20.1-slim/ai-code-ragflow/0.20.1/docker
4. 执行启动命令：docker-compose -f docker-compose.yml up -d
   

RAGFlow验证

初始化账号

1. 部署的IP+端口进行访问，默认为80端口，如：http://11.0.1.141/login
2. 创建账户
   
3. 进行登录
   
4. 首页信息
   

版本验证

1. 查看系统版本信息
   
2. 至此，RAGFlow 0.20.1 版本的安装流程就全部完成了。整个过程中如果遇到任何问题，欢迎随时私信博主微信：cqyunxinai，我会尽力为大家解答并提供帮助。