這陣子有RAG的需求，之前用了ChromaDB後，覺得略有不足，包含:

*     資料要自己處理，尤其是PDF
*     如果Chroma要建立一個檢索+聊天系統，會需要額外編寫來構建
*     未有關鍵字出現頻率懲罰機制

後來搜尋後找到了兩個RAG工具: RAGFlow與Dify，我先試用的是RAGFlow，這邊就來詳細介紹

安裝

RAGflow有分多種版本，應該說是多種方案，有不含embedding版本、含embedding版本，向量資料庫也可以選擇Elasticsearch或Infinity，這邊就用含embedding版本(向量資料庫使用預設的Elasticsearch)

首先先到RAGflow Github下載RAGflow檔案

將下載後的zip解壓縮之後會看到一個ragflow資料夾，點開後可以看到各種檔案，我們要進入的是docker資料夾

這邊先展示等下要用的指令，分別是無embedding model

git clone https://github.com/infiniflow/ragflow.git
cd ragflow/
pip3 install huggingface-hub nltk
python3 download_deps.py
docker build -f Dockerfile.slim -t infiniflow/ragflow:dev-slim .

與有embedding model

git clone https://github.com/infiniflow/ragflow.git
cd ragflow/
pip3 install huggingface-hub nltk
python3 download_deps.py
docker build -f Dockerfile -t infiniflow/ragflow:dev .

兩者差別在Dockerfile為Dockerfile還是Dockerfile.slim

重點步驟

要執行這段必須用到pip3、python，所以要先到一個有pip3與python的地方，當然如果電腦全域環境有python與pip那可以直接在CMD執行，但我這台電腦沒有，因此藉由Anaconda來輔助運行

1. pip3 install huggingface-hub nltk

2. python3 download_deps.py，於ragflow資料夾執行這行
3. docker build -f Dockerfile -t infiniflow/ragflow:dev .，這步驟為下載模型，官方說有9G上下，要一陣子。

4. docker build -f Dockerfile -t infiniflow/ragflow:dev .，這步驟就是建立Img

5. docker compose up -d，之後進到docker資料夾執行這段，跑完這個就成功了。

使用

於任意瀏覽器輸入localhost:80，即可進入RAGflow介面，剛進去會需要創建帳號，但這是離線的，所以不須太在意帳號密碼的安全性(當然多使用例外)

成功後可進入此畫面

進來一一件事就是設定模型，沒有這個會無法使用RAGflow

RAGFlow聊天前必須先建立知識庫，點擊【創建知識庫】即可以創建知識庫，這邊重要的是要選對embedding model與正確的解析方法

之後即可上傳文件讓RAGflow依照設定的參數分析

解析完成後即可使用

聊天

有知識庫之後可以建立聊天助理，可以設定多種參數如系統提示語、模型名稱等參數

之後建立會話，即可開始使用RAGflow