链接: https://pan.baidu.com/s/1e9Tke5t-x5YIw1iuPvBb5Q?注意：检查 /usr/ollama 目录下的文件结构，确认有可执行文件ollama后在运行命令：ollama -v。注意ollama.service的ollama可执行文件位置，要按照自己的去写，见下图红色方框内容，需要自定义。到此，基于Ubantu20.04的离线安装ollama并拉取qwen

清华源镜像的Miniconda3和Anaconda都是用于管理Python环境和软件包的工具，但它们之间存在一些关键的不同之处。Anaconda：Anaconda则是一个包含了大量常用科学计算库（如NumPy、Pandas、Scikit-Learn等）的发行版，因此它比Miniconda要大得多。Miniconda：Miniconda是一个轻量级的版本，只包含了最基本的Conda工具以及Pytho

是一个大模型训练与微调框架，旨在简化大规模语言模型（LLM）的微调、评估和部署流程，帮助开发者和研究人员更高效地定制和优化模型。

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。是一个可扩展、功能丰富且用户友好的自托管 AI 平台，旨在完全离线运行。它支持各种 LLM 运行器，如 Ollama 和 OpenAI 兼容的 API，并内置了 RAG 推理引擎，使其成为强大的 AI 部署解决方案。四、知识库内容召回对

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。是一个可扩展、功能丰富且用户友好的自托管 AI 平台，旨在完全离线运行。它支持各种 LLM 运行器，如 Ollama 和 OpenAI 兼容的 API，并内置了 RAG 推理引擎，使其成为强大的 AI 部署解决方案。四、知识库内容召回对

本篇主要基于linux服务器部署ragflow+ollama，其他操作系统稍有差异但是大体一样。

Ubantu22系统部署RAGFLOW，在之前的博文中记录过，有需要的可以点击查看linux服务器部署ragflow+ollamaUbantu系统离线部署ollama可参考博文基于linux服务器Ubantu20.04的离线Ollama安装（手动安装成功）请注意区分ollama版本，最新的最好，至少要满足拉取需要模型的要求本篇教程从ollama拉取deepseek并连接上RAGFLOW开始。

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。是一个可扩展、功能丰富且用户友好的自托管 AI 平台，旨在完全离线运行。它支持各种 LLM 运行器，如 Ollama 和 OpenAI 兼容的 API，并内置了 RAG 推理引擎，使其成为强大的 AI 部署解决方案。四、知识库内容召回对

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。是一个可扩展、功能丰富且用户友好的自托管 AI 平台，旨在完全离线运行。它支持各种 LLM 运行器，如 Ollama 和 OpenAI 兼容的 API，并内置了 RAG 推理引擎，使其成为强大的 AI 部署解决方案。四、知识库内容召回对

想要让RAGFLOW利用GPU资源跑起来，可以选择docker-compose-gpu.yml启动。（但是官网启动案例是×86平台的不是NVIDIA GPU的，docker-compose-gpu.yml又是第三方维护，所以稍有问题）下面是修改后的完整docker-compose-gpu.yml文件，可以直接复制。