深度学习-156-RAG技术之在ubuntu中的安装部署RAGFlow和简单应用
文章目录
- 1 ubuntu中安装RAGFlow
-
- 1.1 RAGFlow简介
- 1.2 安装部署
-
- 1.2.1 硬件要求
- 1.2.2 修改max_map_count
- 1.2.3 下载仓库代码
- 1.2.4 自动拉取镜像
- 1.2.5 查看端口占用(如果提示的话)
- 1.2.6 启动与关闭RAGFlow
- 2 访问应用
-
- 2.1 添加模型
- 2.2 创建知识库
-
- 2.2.1 输入名称点击确定
- 2.2.2 填写相关配置点击保存
- 2.2.3 上传文件
- 2.2.4 点击文件名称查看解析效果
- 2.2.5 检索测试
- 2.3 创建聊天
-
- 2.3.1 助理设置
- 2.3.2 提示引擎
- 2.3.3 模型设置
- 2.4 验证效果
- 3 附录
-
- 3.1 测试文档
- 3.2 参考附录
在ubuntu中通过docker安装RAGFlow，并使用一个文档测试效果。在RAG过程中，文件解析、Embedding 以及 LLM 是提升准确率的三大关键点。
1 ubuntu中安装RAGFlow
1.1 RAGFlow简介
多路召回（Multi-Channel Recall）是信息检索、推荐系统等领域中的一种策略，旨在通过多个不同的途径或特征来提高检索结果的相关性和多样性。在实际应用中，用户的需求往往是复杂且多样的，单一的检索或者推荐方法可能无法全面覆盖用户的兴趣点，因此引入了多路召回机制。
RAGFlow是一款完整的RAG解决方案，它允许用户上传并管理自己的文档，文档类型可以是任意类型，例如 PDF、Word、PPT、Excel、当然也包含 TXT，在完成智能解析之后，让数据以正确地格式进入到数据库，然后用户可以采用任意大模型对自己上传的文档进行提问。也就是说，包含了如下完整的端到端流程。
RAGFlow的最大特色，就是多样化的文档智能处理，保证用户的数据从 Garbage In Ga