很多人都想在本机部署RAG知识库，然后把自己电脑的资料丢到知识库中。

不管你存多少G的资料，都能通过一行命令快速减速，还能通过大模型一键总结，心动不？

譬如说可以检索本地的PDF文件、word文件、文本文件等等。

也可以直接对图片进行检索操作：

那么博主使用的工具就是RAGFLow，这个软件在github上也有47.6k star，可见有巨大的火爆程度。

想在本地部署也很简单，只要电脑支持下面的能力，docker一键部署就成功了。

首先安装docker环境，进入docker的说明doc文档中，选择对应的机器进行docker安装部署。

官网地址：

https://docs.docker.com/desktop/setup/install/windows-install/

普通windows机器直接docker部署就完事了。具体命令可以参考官网：https://ragflow.io/docs/dev/

大概花了不到半个小时，就可以部署成功。

这里只针对普通的机器，mac的部署就比较麻烦了，可以回到博主主页看另一篇：mac电脑如何部署ragflow。

使用指南

部署成功之后，访问http://127.0.0.1，能够打开这个界面代表部署成功。

第一步：注册用户，点击注册按钮，会提示邮箱、账号、密码。按照官方要求进行就可以了。

第二步：配置大模型API。点击右上角，选择模型提供商进行模型的添加。

集训下拉，这里可以选择本地ollama部署的模型，也可以选择外部的第三方大模型API，基本上我是白嫖硅基流动的API。

官方地址：https://cloud.siliconflow.cn/i/E5bQxmxP

注册之后就可以在这里拿到API key。接下来就可以选择我们的模型了。

第三步：配置知识库。

注册登陆之后新建我们的知识库。

这时候就配置我们知识库的嵌入模型、切片等操作了。

这里重点要注意：切片方法可以根据我们文档的要求去进行切片，如果不清楚就直接选择General即可。

点击保存即可成为下面的页面。

接下来添加知识库资源并做embedding向量化。

这时候，就耐心的等待。

第三步：和知识库对话。

点击chat-create Assitant 添加对话小助手，这里切记，在最下面选择我我们的上一步骤新增的知识库，这样检索才能根据我们对应的知识库出材料。

点击点击中间的chat，添加多个和知识库的对话框。

写在后面的话

最近博主体验了多个RAG知识库开源工具，总体实力来说，RAGFLOW还是略胜一筹。

特别在检索资料上给我省下了好大的功夫，之前资料随手乱丢，基本上都处于藏灰的状态，现在有了RAG之后，数据又一次焕发了新的生命力。

如果想体验也可以用一下，也欢迎大瑜，了解更多的AI知识和AI工具。