RAGFlow介绍

1. 官网：https://ragflow.io/
2. 将生成式人工智能融入您的业务 （检索增强生成引擎，释放您的全部潜力）
3. RAGFlow 是一款基于深度文档理解构建的开源 RAG（Retrieval-Augmented Generation）引擎。RAGFlow 可以为各种规模的企业及个人提供一套精简的 RAG 工作流程，结合大语言模型（LLM）针对用户各类不同的复杂格式数据提供可靠的问答以及有理有据的引用。

v0.20.4版本

1. 新功能

本版本主要改进：
1. 修复知识库页面改版导致的问题：包括了无法被分享至团队，限制了上传的文件数量和大小等
2. 修复聊天页面改版导致的问题：回答中引用的文件无法被预览，聊天窗口添加文件后就无法发送消息等
3. 修复 OAuth2 鉴权失败
4. 修复知识库多条件搜索 metadata 时的逻辑错误
5. 完成 Agent 组件的中文翻译
6. 增加 `ENABLE_TIMEOUT_ASSERTION` 环境变量去控制是否开启解析任务的超时断言
7. 修复多轮对话引用无限增长的错误
8. HTML 解析特性改进：用 bs4 遍历 HTML 标签解析
9. 优化 Markdown 解析，支持 AST 解析，解决组件被意外分割的问题
10. 新增模型智谱 GLM-4.5

新上架 1 个模板：
Ecommerce Customer Service Workflow：能够基于知识库自动回复用户有关多产品功能比较、单产品功能的咨询，以及自动登记用户的预约安装信息。

3. 更多版本信息： https://github.com/infiniflow/ragflow/releases/tag/v0.20.4

安装脚本

1. 注意事项：确保服务器8077端口不被占用，不然需自己更改端口信息

创建目录

1. mkdir -p /data/yunxinai && cd /data/yunxinai/

脚本下载

1. 下载git脚本：git clone https://gitcode.com/yunxinai/rag-sh.git
   
2. 如果没有安装git，则进行git安装：yum install -y git

脚本执行

1. 脚本执行：sh /data/yunxinai/rag-sh/ragflow/0.20.4-slim/start.sh

• 如没有安装docker 或者 docker-compose 请参考：https://mp.weixin.qq.com/s/gKFdHNumVAGdlFZdbdmIRw

2. 镜像拉取
   
   
   

3. 查看是否启动成功：docker-compose ps
   

报错解决

1. 报错信息：Error response from daemon: failed to create task for container: failed to create shim task: OCI runtime create failed: runc create failed: unable to start container process: exec: “./entrypoint.sh”: permission denied: unknown
   
2. 报错解决，执行脚本：chmod +x /data/yunxinai/ragflow/v0.20.4-slim/ai-code-ragflow/0.20.4/docker/*.sh
3. 再重新启动，在对应目录：cd /data/yunxinai/ragflow/v0.20.4-slim/ai-code-ragflow/0.20.4/docker
4. 执行启动命令：docker-compose -f docker-compose.yml up -d
   

RAGFlow验证

初始化账号

1. 部署的IP+端口进行访问，默认为8077端口，如：http://11.0.1.141:8077/login
2. 创建账户
   
3. 进行登录
   
4. 首页信息，是不是比之前好看很多
   

版本验证

1. 查看系统版本信息
   

2. 至此，RAGFlow 0.20.4 版本的安装流程就全部完成了。整个过程中如果遇到任何问题，欢迎随时私信博主微信：cqyunxinai，我会尽力为大家解答并提供帮助。