最近大家在使用本地化deepseek后，问题比较多,最近我会帮大家一一解决。deepseek本地化部署或者使用api服务没有联网功能历史文章：《国产AI之光！DeepSeek本地部署教程，效果媲美GPT-4》《DeepSeek+本地知识库：真的太香了》 https://mp.weixin.qq.com/s/IKoBga2iKfpkdD4Qgy8iLg?

本文深入解析RAGFlow中的deepdoc模块，重点介绍了pdf文档解析器的实现细节。deepdoc包含parser（文档解析器）和vision（视觉处理）两大核心功能，其中pdf解析是最复杂的部分。文章详细剖析了PdfParser类的设计架构，包含PlainParser（基础文本提取）、RAGFlowPdfParser（核心处理流水线）和VisionParser（视觉扩展）三个类，它们通过统一

提供各类最新大模型和工具、多种开发模式和框架，从开发到部署，为你提供最便捷的 AI Agent 开发环境。提供了一些模型的模板，我们只需要将模板复制，并简单修改下即可。按照官方的说法，2c4g就够了，实际在docker中启动，2.4g，后续随着使用，肯定会越来越大。注意模板所在的路径，需要用哪个模型，复制到model下即可。启动以后这几个带setup的容器，没启动不用管，其他的没启动手动点一下。从

摘要 MCP（Model Context Protocol）是由Anthropic提出的开放协议，旨在统一大模型与外部数据源的交互标准。该协议通过标准化消息、资源和工具等交互原语，解决数据孤岛问题，使应用只需集成MCP客户端即可调用各类服务。与Function Calling相比，MCP更具通用性和互操作性，支持多数据源和动态发现，形成可复用的工具生态。其核心架构基于客户端-服务器模型，支持多种传

RagFlow近期迎来重大版本更新，重点改进了Agent功能和MCP支持。Agent方面进行了全面重构，新增多Agent协作、规划反思、视觉处理等功能，并优化了前端编排体验和可观测性。MCP功能实现完整闭环，支持服务端导入、客户端调用及RAGFlow作为服务端。更新还包含新版Infinity集成、API文件引用支持等特性。作者通过艾灸应用案例演示了Human-in-the-loop交互流程，详细讲

RAGFlow 0.18.0版本发布，主要新增了MCP功能，允许通过MCP访问知识库。其他改进包括团队协作、Agent版本管理、兼容OpenAI API模型、PDF解析增强等。文章详细介绍了如何手动开启MCP服务并应用于Cherry Studio和VSCode，同时分析了源码中的RAGFlowConnector实现。MCP作为知识库访问接口，为开发者提供了更多集成可能性，但项目目前参与者较少，部分

从面板上看，就几个功能。还是很清晰，它的模板特别少，在创建agent的时候可以选择。

1，不带推理功能的大模型真是差强人意2，后续研究下元器里的工作流，使用调用api的方式使用满血DeepSeek-R1模型3，后续把解决的所有问题都放入到问题库里。创作不易，辛苦大家动动发财的小手。if 文章有用:关注() # 🔔 追更最新内容else:留言吐槽() # 💬 评论区等你来战。

从面板上看，就几个功能。还是很清晰，它的模板特别少，在创建agent的时候可以选择。

1，我已经将大部分问题都上传到知识库了，大家有什么问题，先发公众号私信就行，有大模型处理。打开dockerDesktop，点击对应的nginx，可以查看对应的报错日志，有出现。当我们通过应用提问的时候，会从知识库检索出匹配的几个片段，+问题，一起提交给大模型。本地知识库都是存储在本地的，并且都是程序内置的，每隔一个客户端的知识库都是隔离的。2月18日拉取的官方代码，使用docker部署的时候出现的