|
最近体验了一下RAGFlow的RAG能力，体验下来，它给我的感觉总结两点：1）知识检索方面能力很强；2）Agent工作流搭建很反人性，跟Coze或者dify比，有点复杂。 本文主要包含两部分：RAGFlow部署和RAG项目实操。声明下：为了节省字数，内容为精简版，整体较为粗糙，但保真！ 一、RAGFlow部署 按量付费，4c16g40G， ubuntu 22.04 apt安装Docker 启动docker服务 systemctlstartdockersystemctlenabledocker 设置docker加速器 sudomkdir-p/etc/dockersudotee/etc/docker/daemon.json<<-'EOF'{"registry-mirrors":["https://docker.m.daocloud.io","https://dockerhub.timeweb.cloud"]}EOFsudosystemctldaemon-reloadsudosystemctlrestartdockercurl-L"https://github.com/docker/compose/releases/download/v2.36.2/docker-compose-$(uname-s)-$(uname-m)"-o/usr/bin/docker-compose 要保证内核参数 vm.max_map_count >= 262144 vi/etc/sysctl.conf#最后面增加一行vm.max_map_count=262144 使其生效 sysctl-p检查 sysctlvm.max_map_count gitclonehttps://github.com/infiniflow/ragflow.git 进到docker目录下 cdragflow/docker配置文件为.env，这里面可以配置各组件密码，比如mysql、minio、elastcsearch等服务的密码以及端口 直接访问阿里云的公网ip即可访问到RAGFlow， 初次访问需要设置邮箱、用户名和密码。 点击右上角头像，然后选择“模型提供商” 找到DeepSeek，点击“添加模型” 输入api-key 找到硅基流动，点击“添加模型” 输入api-key 设置默认模型 二、RAG项目实操 做一个公司内部员工智能问答助手，我们 可以将公司内部员工手册以及各部门新员工 入职培训手册，比如技术部各内部资源 使用指南导入到RAGFlow的知识库里， 然后做一个基于知识库+LLM的智能对话助手， 再将该助手发布到公司内部OA平台 借助coze空间https://space.coze.cn/生成 提示词1如下： 帮我做一份用来作为RAG系统的知识库文档，这个文档主要内容为一家公司的内部员工手册，手册内容字数不少于10000字。提示词2如下： 我还需要一份技术部同事使用的内部员工培训手册，这份手册需要包含公司所有内部IT平台的介绍和访问方式 右上角点击“+创建知识库” 点击“数据集” 然后新增文件，选择本地文件 搜索测试 点击“Agent”，然后点击“+创建Agent” 点击“知识检索”卡片，设置Rerank模型 点击“生成回答”卡片，设置系统提示词 试运行 调试完，没问题点击“保存”。 1）获取API 单击右上角头像，选择API，单击“API KEY”， 点击“创建新密钥”，然后复制新创建的key 2）嵌入网站 回到上面创建的Agent，点击“嵌入网站” 3）将代码嵌入OA系统 这里，我们还是让豆包做一个模拟的OA网页 借用豆包的编程能力，帮我们写一个简单的 OA网页。 https://www.doubao.com/chat/ 提示词： 帮我写一个公司OA平台，只需要提供一个静态网页即可，但需要嵌入我这段代码：<iframesrc="http://47.105.99.194/chat/share?shared_id=e90421d665fe11f09b8a0242ac120006&from=agent&auth=ViZGNlZWNlNjYwNzExZjBiZTkzMDI0Mm&visible_avatar=1&locale=zh"style="width:100%;height:100%;min-height:600px"frameborder="0"></iframe>
最后介绍下我的大模型课：我的运维大模型课上线了，目前还是预售期，有很大优惠。AI越来越成熟了，大模型技术需求量也越来越多了，至少我觉得这个方向要比传统的后端开发、前端开发、测试、运维等方向的机会更大，而且一点都不卷！ | 
