掌握RAGflow，打造高效智能知识库！本文将从三个方面展开：RAGflow的定位与优势，到完整安装步骤，再到实际部署中可能遇到的坑与解决方法。准备好了吗？我们直接进入正题。

前面已经介绍过不少Dify的内容，也有不少朋友问过Dify平台的具体玩法。但工作中发现，很多客户在内部知识库管理这块，Dify确实存在短板。后来接触到RAGflow，在文档管理方面，它确实有自己的独到之处。

RAGFlow 是一款开源检索增强生成（RAG, Retrieval-Augmented Generation）引擎，核心思路是通过深度文档理解技术，帮助用户构建高准确性、高可信度的智能知识库。无论是企业级应用还是个人开发者项目，它都能提供高效、强大的RAG解决方案，让大语言模型（LLM）精准解析复杂格式文档，生成可靠回答，并附带清晰可追溯的引用来源，提升知识检索与生成的可信度和可用性。

那从今天开始，带来一系列有关RAGflow的介绍，先从安装开始。值得一提的是，里面的坑真的不少，看到最后你就明白了。

代码下载

RAGflow的官方地址是：https://github.com/infiniflow/ragflow。打开后，把代码克隆到本地就好了。

管理Docker服务

下载后解压，进入docker目录。

执行命令：docker compose -f docker-compose.yml up -d，按照配置文件启动服务。

结果报错了：80端口被占用。而且Docker服务本身也没启动。

于是修改端口为86，再启动服务。

重启一遍，发现443端口也被占用了。又把443端口改掉。

这次没问题了。

查看状态

启动状态显示OK了，查看日志也没有问题。

痛苦的开始了

从.env文件中看到，原来默认加载的是slim版本的RAGflow。slim仅包含运行RAGFlow必需的组件和依赖——没有embedding模型！

那只能重新来了。拉取代码时，发现ragflow镜像大小7.54GB，但到7.539GB就卡住不动了，等了很久都不行，反复尝试了好几次，白白浪费了很多时间。

后来把下载源改为国内的华&为云镜像：swr.cn-north-4.myhuaweicloud.com/ddn-k8s/docker.io/infiniflow/ragflow:v0.18.0。

下载倒是完成了，但Docker服务还是启动不了。

这个时候想，要不干脆从头再来。

着手解决问题

先把Docker停用：docker-compose down -v，删除所有资源。然后查找所有相关镜像：docker images | findstr "ragflow"。

这一查，发现竟然有3个镜像！原来不知不觉下载了这么多。这很可能就是服务起不来的原因——镜像冲突。

删掉不需要的镜像：

docker rmi infiniflow/ragflow:v0.18.0-slim

docker rmi swr.cn-north-4.myhuaweicloud.com/ddn-k8s/docker.io/infiniflow/ragflow:v0.18.0

然后再执行一次 docker compose -f docker-compose.yml up -d。

OK，经过种种尝试，终于搞定了。访问的时候记得前面已经改过端口了，别忘了用修改后的端口哦。