ragflow想说爱你不容易，win10环境搭建、常用修改

显示全部楼层

背景

最近想改下ragflow的源码和研究下大模型。好好的整理下环境。

以前写过python，项目不大，也就几个项目，一般都用python自带的venv做环境管理，单一的python还好一些，我之前安装的是3.9（比较早了）。而有些项目需要3.10，有的需要3.11，有的需要3.12，要么升级，要么安装多套环境。有时候一不注意好几个项目就混合共用一个虚拟环境，然后就是各种版本冲突。

后来安装了anaconda，个人感觉还是有点重了，趁着这次跑微调以及ragflow源码的修改。使用minicoda重新整理了一遍。

我让chatgpt帮我对比了下优缺点。

特性	`venv + pip`	`conda`
Python 版本管理	❌ 依赖系统 Python	✅ 独立管理多个版本
非 Python 依赖	❌ 仅支持 Python 依赖	✅ 支持 C/C++、CUDA 等
依赖解析能力	⚠️ 可能冲突	✅ 更强的依赖管理
速度	✅ 轻量级	⚠️ 可能较慢（特别是 solver）
YAML 配置支持	❌ 不支持	✅ 支持`environment.yml`

速度慢，在于解析查找，安装完以后都一样。

本文篇幅交行，我简单的列下本文大纲。

pip 环境
minconda3安装
conda常用操作
ragflow win10环境配置
ragflow后端启动
ragflow前端启动
ragflow登录界面和图标修改

环境清理

pip推荐

全局设置

只要我们设置一次，以后就一直生效。选择一个设置即可。

#阿里pip镜像
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple

#清华pip镜像
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

#腾讯pip镜像
pip config set global.index-url http://mirrors.cloud.tencent.com/pypi/simple

#豆瓣pip镜像
pip config set global.index-url http://pypi.douban.com/simple/

#网易pip镜像
pip config set global.index-url https://mirrors.163.com/pypi/simple/

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple
Writing to C:\Users\yxkong\AppData\Roaming\pip\pip.ini

临时使用

不想设置全局，可以在安装的时候，临时设置一个。

pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple/

使用pip的时候在后面加上-i参数，指定pip源：

miniconda3安装

官方网址： https://docs.conda.io/projects/conda/en/stable/index.html

国内镜像 https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

unbuntu 22 安装

在unbuntu中，下载以后，直接执行下面的命令即可。

sh Miniconda3-latest-Linux-x86_64.sh

按照提示，回车->yes->数据安装目录（可选），不输入直接回车->yes

Welcome to Miniconda3 py312_25.1.1-2

In order to continue the installation process, please review the license
agreement.
Please, press ENTER to continue
>>> 
ANACONDA TERMS OF SERVICE

Do you accept the license terms? [yes|no]
>>> yes

Miniconda3 will now be installed into this location:
/home/yxkong/miniconda3

 - Press ENTER to confirm the location
 - Press CTRL-C to abort the installation
 - Or specify a different location below

[/home/yxkong/miniconda3] >>> /opt/app/miniconda3
PREFIX=/opt/app/miniconda3

You can undo this by running `conda init --reverse $SHELL`? [yes|no]
[no] >>> yes
no change   /opt/app/miniconda3/condabin/conda
no change   /opt/app/miniconda3/bin/conda
no change   /opt/app/miniconda3/bin/conda-env
no change   /opt/app/miniconda3/bin/activate
no change   /opt/app/miniconda3/bin/deactivate
no change   /opt/app/miniconda3/etc/profile.d/conda.sh
no change   /opt/app/miniconda3/etc/fish/conf.d/conda.fish
no change   /opt/app/miniconda3/shell/condabin/Conda.psm1
no change   /opt/app/miniconda3/shell/condabin/conda-hook.ps1
no change   /opt/app/miniconda3/lib/python3.12/site-packages/xontrib/conda.xsh
no change   /opt/app/miniconda3/etc/profile.d/conda.csh
modified   /home/yxkong/.bashrc

==> For changes to take effect, close and re-open your current shell. <==

Thank you for installing Miniconda3!

可以看到最后有一个/home/yxkong/.bashrc

验证下

(base) yxk@yxkong:~$ conda -V
conda 25.1.1

win10 安装

设置安装目录

将Miniconda3添加到环境变量里，官方不推荐，我推荐勾选
注册Miniconda3作为默认的python3.12，如果本地已经有python环境，不用勾选，没有勾选上
安装完清理

安装以后，我们可以在命令行中执行Get-Command python

PS C:\Users\yxkong> Get-Command python

CommandType   Name                        Version  Source
-----------   ----                        -------  ------
Application   python.exe                     3.12.91... E:\ai\miniconda3\python.exe

conda常用操作

conda配置操作

conda安装以后,我们先设置一下，设置显示通道地址

#设置显示通道地址
conda config --set show_channel_urls yes
#查看通道channels
conda config --show channels
channels:
 - https://repo.anaconda.com/pkgs/main
 - https://repo.anaconda.com/pkgs/r

设置完以后在对应的登录用户目录下，会有一个.condarc文件，不管是unbuntu还是win10,
还有一个.condarc，在程序的安装目录中，
通过命令操作修改的是当前用户目录中的.condarc文件
在操作的时候，是把这两个文件进行了合并。

其他配置操作

#获取版本号
conda --version 或 conda -V

#检查更新当前conda
conda update conda

#禁止conda自动更新
conda config --set auto_update_conda False

#禁止自动激活base环境，需要每次手动激活
conda config --set auto_activate_base false

环境操作

常用操作

#激活环境
conda activate ragflow

#退出当前环境
conda deactivate

#查看环境列表
conda env list

#查看当前存在哪些虚拟环境
conda env list 或 conda info -e

#删除指定环境
conda env remove -n 环境名称

创建环境


#创建一个ragflow 的环境，包括 python 3.11 pip
conda create -n ragflow python=3.11 pip

#从现有的环境复制一个到新的环境
conda create --clone old_env -n new_env

#激活环境
conda activate ragflow

包管理

#查看指定环境的包列表，
conda list package_name

#查询当前包环境
conda list

#安装包，可以通过=设置版本号
conda install package_name
#比如
conda install numpy=1.18.5


conda install -c channel_name package_name


#根据requirements.txt安装环境
conda install --file requirements.txt

#从当前激活的 conda 环境中导出包列表到 requirements.txt 文件
conda list --export > requirements.txt

#查询包
conda search package_name

#更新包
conda update package_name

#删除包
conda remove package_name

镜像源设置

添加国内镜像

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

添加的这些链接是什么含义？接下来我们了解下。

镜像路径解释

清华大学的镜像站还是蛮全的，地址：https://mirrors.tuna.tsinghua.edu.cn/。这里有很多好经常使用的软件。还有同步时间。

https://mirrors.tuna.tsinghua.edu.cn/anaconda/

目录/文件	含义
archive/	存储 Anaconda 的历史存档文件，可能包括旧版本的安装包或其他相关文件。
cloud/	存储与 Anaconda Cloud 相关的文件，可能包括从 Anaconda Cloud 同步的包或其他资源。
miniconda/	存储 Miniconda 的安装文件和相关资源。Miniconda 是 Anaconda 的轻量级版本，只包含 conda、Python 和一些依赖项。
pkgs/	存储 Anaconda 的软件包文件。这些文件是 conda 安装和管理包时使用的二进制文件。
failed_packages.txt	记录失败的包信息的文件，可能包含在同步或更新过程中出现问题的包的列表。

目录/文件	含义
free/	存储 Anaconda 的免费软件包。
main/	存储 Anaconda 的主要软件包，包括常用的数据科学和计算工具。
mro/	存储与 Microsoft R Open 相关的软件包。
msys2/	存储与 MSYS2 相关的软件包，MSYS2 是一个用于 Windows 的轻量级 Unix 环境。
pro/	存储 Anaconda Pro 的软件包，Anaconda Pro 是 Anaconda 的商业版本。
r/	存储与 R 语言相关的软件包。
rss.xml	提供该目录的 RSS 订阅文件，方便用户通过 RSS 阅读器获取目录更新信息。

通过上面的说明，我们可以看到每个目录的含义，添加额每个url是什么含义，就有了清晰的了解了。

常用镜像站

清华

北外

https://mirrors.bfsu.edu.cn/anaconda

最后重定向到了清华

中科大

https://mirrors.ustc.edu.cn/anaconda/

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes

我设置的

channels:
-https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
-https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
-https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
-https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
-https://mirrors.bfsu.edu.cn/anaconda/pkgs/free/
-https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/
-https://mirrors.bfsu.edu.cn/anaconda/cloud/conda-forge/
-https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
-https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
-https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
-https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
-https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
-https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
show_channel_urls:true
auto_update_conda:false

ragflow后端环境配置

#下载代码
git clone https://github.com/infiniflow/ragflow

我使用的是0.17.2版本的代码

设置PyCharm环境依赖

点击pycharm 的设置。

找到python interpreter点击2的位置，然后点击3添加本地的python解释器。

python interpreter 中文叫python解释器，可以理解为python环境。

点击1选择conda环境
点击2选择自己安装的miniconda地址中的condabin\conda.bat
点击3加载

点击1使用已存在的环境（我之前创建的ragflow）
选择ragflow

可以看到已经内置了一些包。我们点击ok按钮。

依赖安装

一般我们从别的地方拷贝一个项目安装依赖。有以下几种方式。

有requirements.txt 直接用项目里提供的requirements.txt 使用pip install -r requirements.txt安装
有setup.py在setup.py所在目录里，使用pip install -e .安装
Poetry 项目有pyproject.toml文件，直接poetry install
Pipenv 项目有Pipfile文件，使用pipenv install安装

而ragflow都不是，ragflow使用uv管理包。在项目里有个uv.lock文件。

UV（UltraFast Python Package Installer）是一个超快速的 Python 包管理工具，用于替代pip和virtualenv，它的核心特点是安装速度快，依赖解析高效，并且支持uv.lock作为锁定文件。

然而我折腾了一会，安装不上。（事后总结还是用uv省事，基本上包都覆盖住了。）

使用conda

不想折腾太多环境，使用conda。

我找官方的开发，让他给我导了一份requirements.txt文件一共275行。然后还是各种折腾了几个小时。启动时候各种缺包。

需要注意的是：

官网写着python 3.10，不行，得3.11，别问我为啥，折腾出来的

我把最后的requirements.txt放入网盘，有需要的大家自己获取。一共433个。

https://pan.quark.cn/s/54ac26aa4bdb

配置文件

在根目录中有一个conf/service_conf.yaml文件这里是依赖的环境配置。里面的服务我们都可以自己独立部署。我是之前在本地用docker部署了一套ragflow，所以我就不再单独处理了。

需要注意的事：

如果你docker启动的不是base，需要修改ragflow的端口。如果你没有修改过docker部署的端口，可以直接使用，如果修改了，需要对应的修改。

后端服务启动

根据官方的文档，直接执行docker/entrypoint.sh既可以启动，我打开一看，是linux环境。

刚开始想把它转成win的脚步，后来试了下，还是算了，最后找到了以下两个命令。

$PY rag/svr/task_executor.py
$PY api/ragflow_server.py

直接在ragflow的根目录里，执行。

#根据自己的环境设置
set PYTHONPATH=E:\ai\code\ragflow

#启动异步任务的
python .\rag\svr\task_executor.py

#启动后端api服务的
python api/ragflow_server.py

不容易，终于折腾好了

直接命令行启动。

你也可以通过PyCharm启动，特别是断点调试。

又是一堆依赖安装，server也启动了。

最后看下环境的大小。

接近4个g了。

我打个包扔到盘里。大家根据自己的需要获取。 https://pan.quark.cn/s/54ac26aa4bdb

https://pan.baidu.com/s/1PF79x-gzWosN_ME5LtSRIw?pwd=q2tu

ragflow前端环境启动

前端服务启动

前端环境需要npm，或者pnpm，我之前一直有对应的环境，我就不折腾了。

首先进入web目录

#进入ragflow的web目录
(ragflow) PS E:\ai\code\ragflow> cd .\web\

首先修改.umirc.ts中的proxy。

比如我把后端的端口改成了9580

proxy:[
{
 context:['/api','/v1'],
 target:'http://127.0.0.1:9580/',
 changeOrigin:true,
 ws:true,
 logger:console,
 //pathRewrite:{'^/v1':'/v1'},
},
],

编译运行


#安装前端依赖
(ragflow) PS E:\ai\code\ragflow\web> npm install

#启动项目
(ragflow) PS E:\ai\code\ragflow\web> npm run dev

常用修改

登录页面背景替换

替换背景：ragflow/web/src/assets/svg/login-background.svg
去掉免费注册和图标：agflow/web/src/pages/login/right-panel.tsx 中 26~41删除
替换为客户的名称：agflow/web/src/locales/zh.ts 中57行的 title

logo修改

agflow/web/src/conf.json 中的RAGFlow 是图标边上的名称
agflow/web/public/logo.svg 左上角的logo

注意事项

关于依赖

如果大家自己折腾，建议用uv，直接导入官方提供的，缺有，但是不多。

不想用uv，使用conda，建议让kimi写个脚本，把uv.lock里的包都洗出来，洗成requirements.txt，然后启动的时候，添加几个就行了。

关于python版本

python必须3.11，3.10有些包安装不上，3.12有些包没有。

非固定版本的包安装

#通用安装法，加双引号
pip install "ruamel-yaml>=0.18.6,<=0.19.0"

#PowerShell 特有安装法，需要转义符号
pip install ruamel-yaml`>=0.18.6,`<=0.19.0

win10 中powershell失效的问题解决

在powershell中，通过pip安装以后，通过conda list查看安装的包，总是找不到。

执行conda init powershell命令，会看到会将conda加入到powershell的环境里。

PS C:\Users\yxkong> conda init powershell
no change   E:\ai\miniconda3\Scripts\conda.exe
no change   E:\ai\miniconda3\Scripts\conda-env.exe
no change   E:\ai\miniconda3\Scripts\conda-script.py
no change   E:\ai\miniconda3\Scripts\conda-env-script.py
no change   E:\ai\miniconda3\condabin\conda.bat
no change   E:\ai\miniconda3\Library\bin\conda.bat
no change   E:\ai\miniconda3\condabin\_conda_activate.bat
no change   E:\ai\miniconda3\condabin\rename_tmp.bat
no change   E:\ai\miniconda3\condabin\conda_auto_activate.bat
no change   E:\ai\miniconda3\condabin\conda_hook.bat
no change   E:\ai\miniconda3\Scripts\activate.bat
no change   E:\ai\miniconda3\condabin\activate.bat
no change   E:\ai\miniconda3\condabin\deactivate.bat
modified   E:\ai\miniconda3\Scripts\activate
modified   E:\ai\miniconda3\Scripts\deactivate
modified   E:\ai\miniconda3\etc\profile.d\conda.sh
modified   E:\ai\miniconda3\etc\fish\conf.d\conda.fish
no change   E:\ai\miniconda3\shell\condabin\Conda.psm1
modified   E:\ai\miniconda3\shell\condabin\conda-hook.ps1
no change   E:\ai\miniconda3\Lib\site-packages\xontrib\conda.xsh
modified   E:\ai\miniconda3\etc\profile.d\conda.csh
modified   C:\Users\yxkong\Documents\PowerShell\profile.ps1
modified   C:\Users\yxkong\Documents\WindowsPowerShell\profile.ps1

No module named 'api'

我用PYTHONPATH把ragflow设为了根目录，但是执行的时候，还是找不到api的模块。

(ragflow) PS E:\ai\code\ragflow> set PYTHONPATH=E:\ai\code\ragflow
(ragflow) PS E:\ai\code\ragflow> python .\rag\svr\task_executor.py
Traceback (most recent call last):
 File "E:\ai\code\ragflow\rag\svr\task_executor.py", line 22, in <module>
  from api.utils.log_utils import initRootLogger, get_project_base_directory
ModuleNotFoundError: No module named 'api'

不用环境的设置方法

#Windows
set PYTHONPATH=E:\ai\code\ragflow

#Linux/macOS
export PYTHONPATH=/path/to/your/project/root

#需要注意的是，以上都是单个窗口的设置，可以全局设置


$envYTHONPATH="E:\ai\code\ragflow"

Resource punkt_tab not found.

LookupError: Resource punkt_tab not found. Please use the NLTK Downloader to obtain the resource:

Resource wordnet not found 执行以下命令

python -c "import nltk; nltk.download('punkt_tab')"
python -c "import nltk; nltk.download('wordnet')"

关于数据库

我没在代码里看到初始化数据库的地方。

因为我本地用docker启了一套环境，所有的数据库都已经有了。如果你全部自己搭建，就把mysql的数据库导出一份。