小白实战：3步用RAGFlow本地搭私人知识库，让几百份PDF自己会说话

先给结论

今天 GitHub Trending 上，开源 RAG 引擎 RAGFlow 又上榜了（+182 星，总星数 8.7 万）。它解决的问题特别实在：你的电脑里有几百份 PDF、Word、网页截图，想找答案时只能一份份翻。RAGFlow 能把它们全部变成”可问答的知识库”——你提问，它引用原文回答。本教程 3 步搞定本地部署，全程 Docker，不需要写一行 Python。

为什么是 RAGFlow

市面上 RAG 方案很多，RAGFlow 的优势是”开箱即用”：自带文档解析（PDF/Word/Excel/网页都能吃）、内置向量检索、带可视化 Web 界面，还融合了 Agent 能力。对比自己拼 LangChain + 向量库的 DIY 方案，RAGFlow 省掉的是一整个工程团队的活；对比付费 SaaS，它数据完全本地，隐私可控。限制：建议内存 16GB 以上，纯 CPU 机器也能跑但速度慢。

第 1 步：准备环境

先确认 Docker 已安装（没有就按官网装），然后检查内存：

docker --version
free -h | grep Mem

看到 Docker 版本号、内存不低于 16GB（8GB 也能跑但会卡），就继续。

第 2 步：启动 RAGFlow

# 克隆项目并进入 docker 目录
git clone https://github.com/infiniflow/ragflow.git
cd ragflow/docker

# 启动全部服务（首次会拉镜像，耐心等几分钟）
docker compose -f docker-compose.yml up -d

启动后等约 1 分钟，浏览器打开 `http://localhost:80`，首次访问会要求设置管理员账号，注册完登录即可。

第 3 步：建知识库并提问

登录后在界面里操作：

1. 左侧点「知识库」→「创建知识库」，起个名字；

2. 进入知识库，上传你的 PDF/Word 文件（可以一次拖几百份）；

3. 等解析完成后，点左侧「聊天」，选刚建的知识库，开始提问。

成功验证：问一个只在某份文档里出现过的细节（比如合同里的金额、论文里的某个方法），回答里应带出处引用，能点回原文位置——这就是 RAG 生效的标志。

常见失败与处理

– 容器起不来 / 端口占用：`docker compose logs` 看报错；80 端口被占就改 `docker-compose.yml` 里的端口映射再重启。

– 上传后解析很慢或卡住：PDF 扫描件需要 OCR，先少传几份试跑；文档格式越规整解析越快。

– 问答答非所问：确认选对了知识库；把问题问得更具体（带上文件名、章节词），RAG 不是搜索引擎，问题越明确越准。

– 内存不足被系统杀掉：检查是否同时跑着别的容器，`docker compose down` 后关掉多余服务再启。

什么时候别用 RAGFlow

三个场景建议绕开：对延迟极度敏感的生产接口（它更适合内部工具而非高并发 API）；已经上了成熟知识库 SaaS 的团队（迁移成本高于收益）；文档全是手写扫描件（OCR 质量决定效果，先试 5 页再决定）。一句话：本地知识库是”私密 + 省钱”的选项，不是”最快最强”的选项。

一句话

RAGFlow 把”给文档装一个能对话的脑子”从技术活变成了三步点击。今天它还在 Trending 上，说明需要它的人远比想象中多——你的那份 PDF 山，也值得一个会自己说话的版本。

— END —
LC 智趣厅 · 科技与生活的交点
ihygg.cn