不要着急，部署前先理解些基础概念，会更容易成功。其中相对容易出问题是：
1：虚拟机的开启
2：docker的镜像源配置
1-RAG技术
RAG（Retrieval-Augmented Generation，检索增强生成）构建个人知识库。步骤：
本地部署RAG技术所需要的开源框架RAGFlow；
本地部署Embedding大模型（或者直接部署自带Embedding模型的RAGFlow版本）；
RAG构建知识库
模型幻觉：没有数据参考时就胡乱回答。
微调：提供数据在模型上继续训练，优化模型
RAG：在回答过程中参考提供的数据信息
2-微调和RAG差别：
微调：结合已有数据加强训练；
RAG：检索知识库增加回答准确度。
共同点：都是为了赋予模型某个领域的特定知识，解决大模型的幻觉问题。
RAG原理：
● 检索（Retrieval）：当用户提出问题时，系统会从外部的知识库中检索出与用户输入相关的内容。
● 增强（Augmentation）：系统将检索到的信息与用户的输入结合，扩展模型的上文。然后再传给生成模型（也就是Deepseek）；
● 生成（Generation）：生成模型基于增强后的输入生成最终的回答。由于这一回答参考了外部知识库中的内容，因此更加准确可读。
检索过程：
准备外部知识库：外部知识库可能来自本地的文件、搜索引擎结果、API 等等。
1：通过 Embedding（嵌入）模型，对知识库文件进行解析：Embedding 的主要作用是将自然语言转化为机器可以理解的高维向量，并且通过这一过程捕获到文本背后的语义信息（比如不同文本之间的相似度关系）；
2：通过 Embedding（嵌入）模型，对用户的提问进行处理：用户的输入同样会经过嵌入（Embedding）处理，生成一个高维向量。
3：拿用户的提问去匹配本地知识库：使用这个用户输入生成的这个高纬向量，去查询知识库中相关的文档片段。在这个过程中，系统会利用某些相似度量（如余弦相似度）去判断相似度。
模型的分类：Chat模型、Embedding模型；
简而言之：Embedding模型是用来对你上传的附件进行解析的；
总体流程：文本->EMbeddinig->高位向量
RAG部署方式选择：
1：RAG开源框架 RAGFlow + Embedding
2：Embedding的RAGFlow （文章用的这种）
！！！开始部署了哈！！！！！！！
1-下载ollama
lama 是一个开源的本地化大型语言模型（LLM）运行框架
1-官网：ollama.com 下载
2-开始配置新增两个环境变量
确保防火墙没有拦截11434端口
OLLAMA_HOST-0.0.0.0:11434 # 允许docker虚拟机访问本机ollama（）
OLLAMA_MODELS #自定义模型下载位置 目录不存在就新建一个OllamaModels
3-新建环境变量步骤：
电脑属性->高级系统设置->系统属性选高级->点击环境变量->新建
4-通过ollama 下载模型到本地
进入ollama官网：https://ollama.com 搜索deepseek-r1
5-cmd进入命令行：运行复制的模型命令
6-下载成功的样子
Docker 安装
1-开启win Hyper-v 支持
2-控制面板->程序->程序和功能->启用和关闭windows功能
这里不能选择Hyper-V虚拟机监控程序，请按照图中红色文字操作。（Win10）
3-成功的效果
Ctrl+Shift+Esc 查看 性能cpu的虚拟化显示已启用
3-官网下载docker
下载地址： https://docs.docker.com/desktop/setup/install/windows-install/
一路默认安装，安装完成后，命令提示行检查 输入docker info 输出以下信息标志成功，
最后几行会显示镜像配置信息 Registry Mirrors:
4-继续操作：配置docker的国内镜像源，不配置就很慢很慢或失败
C:\Users\{用户名}\.docker 下面的daemon.json 配置国内镜像源，多配几个提高命中率。国内可用源可以自己百度网上查询，一般阿里源、华为源就够了
如果你是直接点击Docker desktop图标启动docker，在没有更改镜像源的情况出现一片空白启动失败，
正常的Docker Desktop操作界面
备注：安装docker重要的就是：1-win 已开启虚拟化支持，2-配置国内镜像源
下载RAGFlow源码
打开RAGFlow官网 https://github.com/infiniflow/ragflow，下载RAGFlow项目源码 git或下载压缩包
修改.env中环境变量
打开项目文件目录找到.env 文件
修改ragflow-main\docker 目录下.env环境变量文件 84行左右
不修改下载的RAGFlow不会包含embedding模型，需要单独下载embedding并部署
修改后RAGFlow下载的是包含embedding的版本，更简单容易
进入命令行开始下载
请注意命令执行路径，不要搞错了
开始使用
1-开浏览器输入：localhost:80, (平时在做开发占用了80端口的，请关闭相关应用)
成功的样子，没有账号 的请注册
2-建知识库
1-准本工作：查看本机ip：win+R 输入cmd 进入命令行：
2-查看已下载本地模型列表
3-添加ollama模型
4-系统模型设置
5-建知识库
6-上传文档资料到知识库
7-知识库设置：一般默认
8-新建聊天助理
9-开始体验
恭喜完成，接下来可以摸索其他的了，更换高级的deepseek模型，其他三方API模型调用。
