1. 为什么要在 RuoYi 里集成 RAGFlow1.1 从两个真实痛点说起做过企业级后台的兄弟应该都有体会RuoYi 这套框架在国内中小型项目里出镜率极高。权限体系成熟、代码生成器好用、前端模板现成后台管理该有的东西它基本都给你备齐了。但这两年客户提的需求越来越“过分”——他们不再满足于在系统里增删改查而是希望后台能“读懂”自己上传的文档能对着几十份合同、手册、工单直接提问最好还能把答案带着出处返回。这就是典型的私有化知识库需求。数据不能出内网模型不能调外部接口文档格式还五花八门PDF、Word、Excel、扫描件全都有。你如果自己从零写一套文档解析加向量检索加问答编排光是 PDF 里表格和公式的提取就能耗掉大半条命。RAGFlow 恰好补上了这块。它把文档解析、分块、向量化、检索、重排、生成这一整条链路做成了开箱即用的服务而且支持本地化部署模型可以接自己内网跑的开源模型。RuoYi 负责用户、权限、菜单、业务数据RAGFlow 负责知识库的“大脑”两者通过 API 对接各司其职。1.2 这套组合到底解决了什么问题说白了就是让一个已经上线的 RuoYi 后台在不大动干戈的前提下长出一个能用的知识问答模块。用户登录 RuoYi 之后在菜单里点进“知识库”可以创建知识库、上传文档、等待解析、然后像聊天一样提问。后台通过 RuoYi 的权限体系控制谁能看哪个库、谁能传文档、谁能删文档。RAGFlow 在背后完成最脏最累的解析和检索工作。适合谁来参考如果你手头有一个 RuoYi 项目客户又提了知识库或者智能问答的需求你不想把整个技术栈推倒重来那这套方案就是为你准备的。前端 Vue 基础、后端 Spring Boot 基础、会写 Docker Compose 就能跟上。不需要你懂向量数据库的底层原理也不需要你训练模型RAGFlow 把复杂度都封装掉了。1.3 整体架构长什么样整个链路可以拆成四层来看。最上层是 RuoYi 的前端页面负责知识库列表、文档管理、对话界面。第二层是 RuoYi 的后端服务它做两件事一是把用户和权限信息透传给 RAGFlow二是代理前端发来的请求避免前端直接暴露 RAGFlow 的地址和密钥。第三层是 RAGFlow 服务本身跑在 Docker 里对外提供 HTTP API。最底层是基础设施包括 MySQL、Redis、Elasticsearch 或 Infinity、MinIO 这些 RAGFlow 依赖的组件。RuoYi 和 RAGFlow 之间用 API Key 做鉴权。RAGFlow 支持为每个知识库或者每个用户生成独立的 API Key我们在 RuoYi 后端配置好之后前端的所有请求都先打到 RuoYi 的 Controller由后端加上 Key 再转发给 RAGFlow。这样做的好处是前端完全感知不到 RAGFlow 的存在安全边界清晰也方便后续做请求日志和限流。2. 环境准备与 RAGFlow 本地化部署2.1 硬件与系统的最低门槛RAGFlow 对资源是有要求的不是随便一台 2 核 4G 的机器就能跑起来。官方建议至少 4 核 CPU、16G 内存、50G 磁盘起步。如果你要跑本地的大模型做生成那显存另算。我实测下来如果只是做文档解析和检索生成环节调外部兼容接口16G 内存的机器勉强能跑但解析大 PDF 的时候会明显卡顿。建议直接上 8 核 32G磁盘用 SSD体验会好很多。操作系统方面Linux 是首选Ubuntu 22.04 或者 CentOS 7 以上都行。Windows 11 也能跑但 Docker Desktop 的资源占用和文件挂载性能会让你怀疑人生尤其是批量处理文件的时候IO 瓶颈非常明显。如果开发环境是 Win11建议只用来写代码和调试接口真正的 RAGFlow 服务部署到一台 Linux 服务器或者虚拟机里。2.2 Docker 与 Docker Compose 的安装要点RAGFlow 官方推荐用 Docker Compose 部署这是最省心的方式。安装 Docker 的时候注意两点一是 Docker 版本不要太老建议 24 以上二是 Docker Compose 要用 v2 版本命令是docker compose而不是docker-compose。很多教程还在用老版本的写法跑起来会报错。安装完成后先执行docker compose version确认版本。然后调整 Docker 的默认存储路径因为 RAGFlow 的镜像和容器数据加起来轻松超过 20G如果系统盘空间不够需要把/var/lib/docker挂到数据盘上。这个操作在/etc/docker/daemon.json里配置> RuoYi集成RAGFlow：企业级私有化知识库问答实战
1. 为什么要在 RuoYi 里集成 RAGFlow1.1 从两个真实痛点说起做过企业级后台的兄弟应该都有体会RuoYi 这套框架在国内中小型项目里出镜率极高。权限体系成熟、代码生成器好用、前端模板现成后台管理该有的东西它基本都给你备齐了。但这两年客户提的需求越来越“过分”——他们不再满足于在系统里增删改查而是希望后台能“读懂”自己上传的文档能对着几十份合同、手册、工单直接提问最好还能把答案带着出处返回。这就是典型的私有化知识库需求。数据不能出内网模型不能调外部接口文档格式还五花八门PDF、Word、Excel、扫描件全都有。你如果自己从零写一套文档解析加向量检索加问答编排光是 PDF 里表格和公式的提取就能耗掉大半条命。RAGFlow 恰好补上了这块。它把文档解析、分块、向量化、检索、重排、生成这一整条链路做成了开箱即用的服务而且支持本地化部署模型可以接自己内网跑的开源模型。RuoYi 负责用户、权限、菜单、业务数据RAGFlow 负责知识库的“大脑”两者通过 API 对接各司其职。1.2 这套组合到底解决了什么问题说白了就是让一个已经上线的 RuoYi 后台在不大动干戈的前提下长出一个能用的知识问答模块。用户登录 RuoYi 之后在菜单里点进“知识库”可以创建知识库、上传文档、等待解析、然后像聊天一样提问。后台通过 RuoYi 的权限体系控制谁能看哪个库、谁能传文档、谁能删文档。RAGFlow 在背后完成最脏最累的解析和检索工作。适合谁来参考如果你手头有一个 RuoYi 项目客户又提了知识库或者智能问答的需求你不想把整个技术栈推倒重来那这套方案就是为你准备的。前端 Vue 基础、后端 Spring Boot 基础、会写 Docker Compose 就能跟上。不需要你懂向量数据库的底层原理也不需要你训练模型RAGFlow 把复杂度都封装掉了。1.3 整体架构长什么样整个链路可以拆成四层来看。最上层是 RuoYi 的前端页面负责知识库列表、文档管理、对话界面。第二层是 RuoYi 的后端服务它做两件事一是把用户和权限信息透传给 RAGFlow二是代理前端发来的请求避免前端直接暴露 RAGFlow 的地址和密钥。第三层是 RAGFlow 服务本身跑在 Docker 里对外提供 HTTP API。最底层是基础设施包括 MySQL、Redis、Elasticsearch 或 Infinity、MinIO 这些 RAGFlow 依赖的组件。RuoYi 和 RAGFlow 之间用 API Key 做鉴权。RAGFlow 支持为每个知识库或者每个用户生成独立的 API Key我们在 RuoYi 后端配置好之后前端的所有请求都先打到 RuoYi 的 Controller由后端加上 Key 再转发给 RAGFlow。这样做的好处是前端完全感知不到 RAGFlow 的存在安全边界清晰也方便后续做请求日志和限流。2. 环境准备与 RAGFlow 本地化部署2.1 硬件与系统的最低门槛RAGFlow 对资源是有要求的不是随便一台 2 核 4G 的机器就能跑起来。官方建议至少 4 核 CPU、16G 内存、50G 磁盘起步。如果你要跑本地的大模型做生成那显存另算。我实测下来如果只是做文档解析和检索生成环节调外部兼容接口16G 内存的机器勉强能跑但解析大 PDF 的时候会明显卡顿。建议直接上 8 核 32G磁盘用 SSD体验会好很多。操作系统方面Linux 是首选Ubuntu 22.04 或者 CentOS 7 以上都行。Windows 11 也能跑但 Docker Desktop 的资源占用和文件挂载性能会让你怀疑人生尤其是批量处理文件的时候IO 瓶颈非常明显。如果开发环境是 Win11建议只用来写代码和调试接口真正的 RAGFlow 服务部署到一台 Linux 服务器或者虚拟机里。2.2 Docker 与 Docker Compose 的安装要点RAGFlow 官方推荐用 Docker Compose 部署这是最省心的方式。安装 Docker 的时候注意两点一是 Docker 版本不要太老建议 24 以上二是 Docker Compose 要用 v2 版本命令是docker compose而不是docker-compose。很多教程还在用老版本的写法跑起来会报错。安装完成后先执行docker compose version确认版本。然后调整 Docker 的默认存储路径因为 RAGFlow 的镜像和容器数据加起来轻松超过 20G如果系统盘空间不够需要把/var/lib/docker挂到数据盘上。这个操作在/etc/docker/daemon.json里配置>