# ubuntu24.04 部署 ragflow + 阿里百炼大模型 + docker ，系统使用阿里源，采用纯cpu 无gpu方案 详细的部署方法2

可以，而且**这是目前企业知识库比较推荐的一种方案**。

你的环境（根据之前的聊天记录）：

- Ubuntu 24.04 LTS
- Docker / Docker Compose
- 纯 CPU（无 GPU）
- 希望使用阿里云百炼（DashScope）作为大模型
- 公司内部知识库
- 后续可能接入 OpenWebUI、Agent、企业智能体

这种情况下**不建议部署 Ollama/vLLM**，因为你已经使用阿里百炼，大模型推理全部走云端 API，本地服务器仅负责：

- RAGFlow
- Elasticsearch
- MySQL
- MinIO
- Redis
- 文档解析
- 向量检索

CPU 即可，8C16G 起步即可运行，小型企业推荐 16C32G。RAGFlow 官方支持通过 Docker Compose 部署，并可配置外部模型服务。([ragflow.com.cn](https://ragflow.com.cn/docs/configurations?utm_source=chatgpt.com "配置 | RAGFlow 引擎"))

---

# 一、整体架构

```
                用户浏览器
                      │
                http://IP:9380
                      │
                ┌────────────┐
                │ RAGFlow UI │
                └─────┬──────┘
                      │
      ┌───────────────┼──────────────┐
      │               │              │
      ▼               ▼              ▼
 Elasticsearch      MySQL         Redis
      │
      ▼
   MinIO(文件)

      │
      ▼

阿里百炼 API
(Qwen3 / Qwen-Max /
Embedding)

```

整个推理流程：

```
上传PDF
↓

RAGFlow解析

↓

Embedding（调用百炼）

↓

ES存向量

↓

提问

↓

检索ES

↓

把上下文发送给百炼

↓

返回答案

```

---

# 二、服务器配置建议

最低配置：

```
CPU：8 Core
内存：16GB
SSD：100GB
Ubuntu24.04

```

推荐：

```
CPU：16 Core
RAM：32GB
SSD：500GB NVMe

```

因为：

- OCR
- PDF解析
- Elasticsearch

都比较吃CPU。

---

# 三、更换Ubuntu阿里源

先备份：

```bash
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

```

Ubuntu24.04：

```bash
sudo tee /etc/apt/sources.list >/dev/null <<EOF
deb https://mirrors.aliyun.com/ubuntu/ noble main restricted universe multiverse
deb https://mirrors.aliyun.com/ubuntu/ noble-updates main restricted universe multiverse
deb https://mirrors.aliyun.com/ubuntu/ noble-backports main restricted universe multiverse
deb http://security.ubuntu.com/ubuntu noble-security main restricted universe multiverse
EOF

```

更新：

```bash
sudo apt update
sudo apt upgrade -y

```

---

# 四、安装Docker

```bash
sudo apt install \
docker.io \
docker-compose-v2 \
git \
curl \
wget \
unzip \
vim \
htop \
net-tools \
jq \
-y

```

启动：

```bash
sudo systemctl enable docker

sudo systemctl start docker

```

检查：

```bash
docker version

```

---

# 五、优化Docker镜像源

编辑：

```bash
sudo mkdir -p /etc/docker

```

```bash
sudo vim /etc/docker/daemon.json

```

例如：

```json
{
  "registry-mirrors": [
    "https://docker.m.daocloud.io",
    "https://dockerproxy.com"
  ]
}

```

然后：

```bash
sudo systemctl restart docker

```

---

# 六、下载RAGFlow

```bash
cd /opt

git clone https://github.com/infiniflow/ragflow.git

```

进入：

```bash
cd ragflow/docker

```

官方提供 Docker Compose 和配置模板，可通过 `.env`、`docker-compose.yml`、`service_conf.yaml.template` 调整端口及服务配置。([ragflow.com.cn](https://ragflow.com.cn/docs/configurations?utm_source=chatgpt.com "配置 | RAGFlow 引擎"))

---

# 七、修改.env

例如：

```bash
vim .env

```

建议：

```ini
RAGFLOW_IMAGE=infiniflow/ragflow:latest

SVR_HTTP_PORT=9380

MYSQL_PASSWORD=ragflow123

MINIO_PASSWORD=ragflow123

REDIS_PASSWORD=ragflow123

#如果无法pull启用下行
RAGFLOW_IMAGE=swr.cn-north-4.myhuaweicloud.com/infiniflow/ragflow:v0.26.1
```

CPU模式：

不用配置

```
CUDA

GPU

NVIDIA

```

全部保持默认。

---

# 八、启动

```bash
docker compose up -d

```

第一次需要下载：

```
ragflow

mysql

redis

minio

elasticsearch

# 逐个拉取，无并发，不会触发请求超限
docker compose pull redis
docker compose pull es01
docker compose pull minio
docker compose pull mysql
docker compose pull ragflow-cpu

```

约4~6GB。

查看：

```bash
docker ps

```

正常会看到：

```
ragflow-server

mysql

redis

minio

es01

```

---

# 九、访问

浏览器：

```
http://服务器IP:9380

```

首次：

```
admin

password

```

（实际以当前镜像默认账号为准，如官方镜像更新请参考发布说明。）

---

# 十、申请阿里百炼API

登录阿里云百炼：

```
https://bailian.console.aliyun.com

```

创建：

```
API Key

```

得到：

```
sk-xxxxxxxx

```

---

# 十一、RAGFlow配置百炼

后台：

```
Model Providers

↓

OpenAI Compatible

```

百炼兼容 OpenAI API，可在 RAGFlow 中配置兼容接口。

填写：

```
Base URL

https://dashscope.aliyuncs.com/compatible-mode/v1

API Key

sk-xxxxxxxx

```

Chat Model 可选择：

```
qwen-max

或者

qwen-plus

或者

qwen3

```

Embedding 推荐：

```
text-embedding-v4

或者官方当前推荐Embedding模型

```

---

# 十二、测试

创建：

```
Knowledge Base

```

上传：

```
PDF

Word

Excel

TXT

```

等待：

```
Parsing...

Embedding...

Completed

```

然后：

```
Chat

```

提问：

```
公司的请假制度是什么？

```

流程：

```
ES

↓

召回TopK

↓

发送百炼

↓

回答

```

---

# 十三、CPU部署建议

建议：

```
Document Parser

4线程

```

Worker：

```
2

```

不要：

```
16线程

32线程

```

否则 ES 会占满 CPU。

---

# 十四、生产环境建议

建议将数据目录映射到宿主机：

```
/data/ragflow/

├── mysql
├── redis
├── minio
├── elasticsearch
├── logs
└── ragflow

```

这样容器升级时数据不会丢失。

建议每天备份：

```
MySQL

MinIO

ES Snapshot

```

---

## 十五、针对你的企业场景的推荐架构

结合你之前提到的目标（企业 AI 平台、多个专业智能体、Ubuntu + Docker、自建运维），我更建议采用下面这套统一架构：

```
Ubuntu24.04
│
├── Docker
│
├── RAGFlow（企业知识库）
│
├── Open WebUI（统一聊天入口）
│
├── Nginx（反向代理）
│
├── Redis
│
├── Elasticsearch
│
├── MySQL
│
├── MinIO
│
└── 阿里百炼
      ├── Qwen3
      ├── Qwen-Max
      └── Embedding

```

这种方案的优点是：

- **服务器无需 GPU**，降低硬件成本。
- **所有模型能力由阿里百炼提供**，无需维护本地模型。
- 后续可以继续接入 **Open WebUI、MCP、Agent、企业微信/钉钉** 等组件，形成统一的企业 AI 平台，而无需更换底层架构。