【Ragflow】8.基于ragflow API 搭建极简聊天Web界面

【Ragflow】3.给聊天界面打个美化补丁 本文是ragflow相关系列的第三篇,本文将介绍如何进行前端界面调试,并为聊天界面打一个美化补丁包。 阅读详情
AI摘要

本文针对ragflow对普通用户不友好的问题,结合gradio搭建了更简洁、开箱即用的结合知识库的聊天界面。介绍了具体使用方式,包括安装依赖、启动服务、获取API Key等步骤,还提及进阶方向,默认支持ollama框架,接入ragflow sdk需进一步开发。

概述

”ragflow,dify之类的,对一些普通人来说还是不太友好,有没有什么开源平台对接api,给用户提供一个像千问,kimi那样的用户界面?“

之前的文章,看到有朋友这样留言。想来确有道理,ragflow 即便不让用户自己上传文档,也需要创建助理、预设提示词、选择知识库,对用户的确不友好。

从商业角度上考量,为什么支付宝要做碰一碰支付?省去一步打开付款码操作,也会带来无穷的商业价值。因此,有必要实现一个更简单的界面,让用户打开即用。

前文刚好研究过ragflow的python API,于是本文结合gradio,搓一个更加简洁,开箱即用的结合知识库的聊天界面。

代码开源地址:https://github.com/zstar1003/Simple-Ragflow

效果演示:
在这里插入图片描述

具体使用方式

  1. 安装依赖
pip install -r requirements.txt
  1. 启动ragflow服务
    参考ragflow文档,启动ragflow系统。

  2. 获取API Key
    在ragflow系统中的API菜单,获取API Key。

  1. 创建助理
    从url中获取dialogid。

知识库选择、系统系统提示词预先在助理界面中设定。

  1. 修改config.json文件
    将model、API Key、dialogid填入

  2. 开始运行

python app.py

访问http://127.0.0.1:7860进入界面。

进阶方向

这个代码方向就是简洁,用户打开即用,并未加聊天历史记录等功能。

如需更进一步,可对Open-WebUI,整体看上去会接近chatgpt的样式。

使用方式:

pip install open-webui
open-webui serve

默认支持ollama框架,如需接入ragflow sdk,需要进一步修改开发。

RAGFlow知识库管理和RAG流程 上一篇《》讲了RAGFlow的基本信息、模型设置和聊天,本次我们来讲解下知识库和RAG的流程。 阅读详情

相关推荐

【RAGFlow代码详解-26】Python SDK

RAGFlow Python SDK 为开发者提供了与RAGFlow HTTP API交互的编程接口,支持知识库管理、文档处理和对话式AI功能集成。该SDK采用模块化设计,包含知识库、聊天和代理等核心客户端类,支持API密钥、会话登录和OAuth等多种认证方式。提供同步/异步操作模式,具有结构化错误处理机制,适用于Web应用、批处理系统等场景。开发者可通过PyPI安装,SDK架构与HTTP API保持一致,简化了REST API调用过程。

df007df的博客 1392

【AI大模型】Ollama部署本地大模型DeepSeek-R1,交互界面Open-WebUI,RagFlow构建私有知识库

DeepSeek官网DeepSeek(深度求索)是一家专注于实现通用人工智能(AGI)的中国科技公司,致力于通过技术探索与创新,推动智能技术的广泛应用。Ollama 是一个强大的工具,旨在简化大型语言模型的部署和推理过程。它通过模型压缩和优化技术,使得在本地或边缘设备上运行 AI 模型变得高效且易于管理。无论是开发者、研究人员还是企业用户,Ollama 都能提供灵活和支持,满足多种应用场景的需求。

专注上位机开发、机器视觉、机器学习、嵌入式软硬件开发 9万+

基于DeepSeek与RAGFlow的本地私有知识库搭建实战指南

检索增强生成(RAG)技术通过结合信息检索与大型语言模型,有效解决了大模型在处理特定领域知识时的幻觉与时效性问题。其核心原理是将外部知识库向量化存储,在用户提问时进行语义检索,并将相关片段作为上下文输入模型,从而生成准确、可溯源的回答。这项技术在工程实践中极大提升了知识问答系统的可靠性与实用性,广泛应用于企业文档助手、个人知识管理、学术研究支持等场景。本文聚焦于利用DeepSeek大模型与RAGFlow开源框架,通过Docker一键部署,构建一个支持私有化部署、具备完整文档解析与智能问答能力的本地知识库系统

weixin_33787529的博客 494

Docker+Ollama+Xinference+RAGFlow+Dify+Open webui部署及踩坑问题

Docker+Ollama+Xinference+RAGFlow+Dify+Open webui部署及踩坑问题

前沿技术分享,人工智能、大模型技术分享,日常问题记录 5624

RAGFlow实战:从部署到知识库问答的完整指南

检索增强生成(RAG)是解决大模型私有数据问答、减少幻觉的关键技术,其核心原理是将文档切块、向量化后与用户查询匹配,再交由大模型生成回答。然而,实际落地常受制于文档解析质量、分块策略和检索效果。RAGFlow作为基于深度文档理解的开源RAG引擎,通过DeepDoc版面分析、模板化分块、混合检索与重排,构建了从文档解析到知识库问答的完整链路。本文面向企业知识库问答场景,介绍RAGFlow的架构特性,并演示Docker部署、知识库搭建、模型配置、API集成以及常见问题排查,帮助开发者在本地快速搭建可用的知识库问

weixin_33861800的博客 435

RAGFlow 部署

本文详细介绍了RAGFlow的本地部署及AI模型配置流程。主要内容包括:1)通过Docker部署RAGFlow服务,包括端口修改和服务验证;2)使用Ollama工具部署本地AI模型和Embedding模型;3)RAGFlow的使用指南,涵盖用户注册、模型配置(支持本地和在线模型)、知识库创建、文档上传解析及检索测试等功能。文章提供了完整的操作命令和配置说明,帮助用户快速搭建本地AI知识管理系统。

yzxyy_zzb的博客 1064

[译] RAGFlow 使用说明

快速启动 一、先决条件 二、启动服务器 1、确保 `vm.max_map_count` ≥ 262144: 2、克隆存储库: 3、构建预构建的Docker映像并启动服务器: 三、配置LLM 四、创建您的第一个知识库 五、文件解析 六、设置一个AI聊天 配置知识库 一、创建知识库 二、配置知识库 1、选择块方法 2、选择嵌入模型 3、上传文件 4、解析文件 5、干预文件解析结果 6、运行检索测试 三、搜索知识库 四、删除知识库 开始AI聊天 一、开始一个AI聊天 二、更新现有对话的设置 三、将聊天功能集成到您

AI工程化、开源分享、文档翻译、代码笔记 4万+

RAGFlow开源RAG引擎:从本地化部署到知识库搭建全流程解析

RAG(检索增强生成)是当前大模型落地中的关键技术,它通过外部知识库增强模型回答的准确性,解决模型“知识陈旧”和“幻觉”问题。在实际工程中,一个完整的RAG系统需要处理文档解析、分块、向量化、检索、重排和对话生成等多个环节,而RAGFlow作为开源RAG引擎,将这些能力整合在统一平台中。它内置DeepDoc文档解析引擎,支持表格还原、OCR、多栏版面分析,显著降低了文档“进不来、检不准”的痛点。通过Docker容器化部署,用户可以快速搭建私有化知识库,实现本地化问答。结合实际部署经验,从环境准备、知识库搭建

weixin_33843409的博客 444

【RAGFlow代码详解-22】聊天界面

本文介绍了基于React和SSE技术的实时聊天系统架构。系统采用分层设计,前端通过React构建,后端采用SSE实现实时消息流。核心功能包括:1)消息流系统处理用户输入和AI响应;2)使用useSendMessageWithSse钩子管理SSE连接生命周期;3)UI组件架构包含消息显示、输入和控制模块;4)对话管理系统通过对话和会话层次组织交互;5)集成知识库和LLM实现智能响应。系统支持Markdown渲染、文档引用、文件上传等功能,通过URL参数维护聊天状态,实现了高效的实时通信体验。

df007df的博客 732

基于Open-WebUI与RAGFlow深度集成的大模型智能问答系统项目_通过Open-WebUI的Pipelines技术调用RAGFlow的Agent实现知识库驱动的对话交互_提.zip

基于Open-WebUI与RAGFlow深度集成的大模型智能问答系统项目_通过Open-WebUI的Pipelines技术调用RAGFlow的Agent实现知识库驱动的对话交互_提.zip

抖音用户主页视频数据爬虫详解(点赞,收藏,分享等)

的包中有个max_cursor参数,请求载荷中也有一个这样的参数,每次请求的数据中max_cursor是下一个请求的载荷,,,同时has_more为1时候代表还能请求,0为不能请求,我们做如下判断。最后发现cookie很容易过期,批量爬取有点困难,,,,我们采用drissoinpage进行自动化获取。首先进行抓包分析,,,随便找个主页,f12,关键词搜索,发现这个包是以post开头。请你第一次运行先按0,进行登录(或者触发反爬的时候),登录完成之后,按1进行爬取,完整代码请在知识星球。

m0_74823507的博客 3433

一文读懂 RAGFlow 知识库接入 Dify 的全流程

今天来给大家分享一下,如何将ragflow知识库接入dify,作为dify的外挂知识库。

apo0625的博客 6165

【Unity】Unity性能分析解决方案——UPR

由Unity中国团队提供的一套性能优化解决方案,其是一系列性能工具的集合,并可将收集的数据进行可视化。

Davidorzs的博客 1009

【RAGFlow代码详解-23】聊天系统架构

本文介绍了一个基于React的聊天系统架构,采用SSE实现实时消息流,支持多种交互模式。系统核心包括分层组件结构、基于钩子的状态管理和消息生命周期管理,实现URL驱动导航和乐观更新。特色功能包括多模型并发对话、可嵌入聊天小部件及与RAGFlow子系统的深度集成,通过统一消息接口连接知识库、LLM管理等模块,支持文件上传、多租户隔离等扩展能力。

df007df的博客 607

FPGA实战:手把手教你实现VESA DSC编码(附Verilog代码解析)

本文详细介绍了如何使用FPGA实现VESA DSC编码器,包括核心架构设计、Verilog代码实现与优化技巧。通过流水线设计、色彩空间转换和预测编码等关键技术,帮助开发者掌握工业级DSC编码器的开发流程,并提供实用的调试与性能优化方法。

weixin_29165725的博客 409

matlab 三维绘图 抛光,瓷砖抛光过程建模与仿真

:瓷砖抛 光过程 建模与仿真朱 成 就(广 东工业大学 机 电工程 学院, 广东广州 )摘要 :瓷砖的抛磨影响 因素众 多 ,实际磨削加工时容易出现漏抛 、返抛现象 。对陶瓷抛光机磨头进行运动学分析 ,并基于不 同粒度号 的磨 粒在一定压力下的加工深度模型 ,探讨抛光机磨 头转 速 、横梁摆动频率 、传送速度对瓷砖抛光加工表 面均匀性 的影响,然 后结合 磨削机理使 用 对陶瓷抛光过程进行仿真 ...

weixin_36331058的博客 750

ollama+deepseek+ragflow本地化部署知识库大模型配置

(默认c盘安装,安装路径:C:\Users\admin\AppData\Local\Programs\Ollama)1.1配置环境变量:ragflow能访问到:OLLAMA_HOST=0.0.0.0:11434ollama型下载路径:OLLAMA_MODELS=C:\xmx\dseek\OllamaModels 【模型存放路径,可自定义,ollam会根据配置将模型下载到该路径】1.2重启机器。

Dark_Fairy的博客 4071

亲友圈棋牌的逆向工程_棋牌透视分析研究(一)

透视也能实现,有些台子就自带控制,这种东西权限只是存在于平台运营者手中,即便逆向破解也很难发现,但也有那么一些棋牌 比如斗牛或者跑得快,会先发给你的内存中存放当前的牌的信息,这样你就可以知道对面的牌是什么,但肯定也是加密了。明明是zip却无法解压,这很明显是属于被加密了, 那么我们就要开始找他的加密内容,一般加密的秘钥都会存储在so里面。写这一篇文章了,其实也想了很久,最终还是决定写了, 有些朋友找我做过菠菜的逆向,bjl,甚至是足球的!但很遗憾的告诉大家,这里是找不到的。

m0_63368535的博客 5887

RAGFlow系列(03):把知识库通过API方式共享给Dify等外部平台使用

ragflow创建知识库通过api提供给其它应用使用的方法。

持之以恒 2988

基于STM32设计的万能红外遥控器(学习型)

当前介绍了一种基于STM32微控制器设计的红外遥控器,支持接收解码功能和发送功能,可以将接收的码原样发送出去。 红外遥控器作为智能设备控制方式之一,在一定程度上满足了人们对于快速方便控制的需求。 当前设计的红外遥控器支持学习模式和发送模式。通过矩阵键盘上的数字键选择发送对应的控制码。 一共支持学习10个控制码,对应矩阵键盘上的数字。0~9。

6570

微信小程序 - 解决支付报错 requestPayment:fail access denied (微信支付提示错误requestPayment:拒绝访问失败,真机运行测试或打包编译上线后报错问题)

微信小程序,微信支付,wx.requestPayment,微信小程序支付报错requestPayment:fail access denied,调不起微信,无法唤起支付弹窗,支付失败,支付权限没问题,小程序上线后支付报错,小程序真机测试支付报错,微信小程序苹果ios系统手机无法支付,小程序发布上线后支付报错,本地测试没问题,拒绝访问失败,小程序调起支付API requestPayment:fail:access denied微信开发者工具正常支付,权限没问题,微信公众平台,依旧报错怎么办,检查了appid都

🏆 前端领域优质创作者 1万+

【大模型:知识库管理】--Dify接入RAGFlow 知识库

本文介绍了两种调用RAGFlow知识库的方法:Dify API接入和Python SDK调用。对于Dify接入,需要确定RAGFlow服务端口(默认9380)并拼接完整API路径(如http://host.docker.internal:9380/api/v1/dify/retrieval)。Python SDK部分详细说明了知识库管理(创建/删除/更新/列出)和文件管理(上传/下载/解析)的操作方法,包括参数说明和使用示例,如通过ragflow_sdk模块创建数据集、上传文档等操作。两种方式都需先获取AP

我是个好人呀,O(∩_∩)O 3500

YOLOV26详解 从原理到部署

计算机视觉领域最具影响力的目标检测框架迎来重大里程碑。2026年1月,Ultralytics 正式发布 YOLOv26——这不是一次简单的版本迭代,而是一场面向边缘计算时代的架构重构。本专栏基于 Ultralytics 官方技术白皮书、YOLO Vision 2025 大会首发内容及国际前沿研究成果,系统拆解 YOLOv26 从算法原理到工程落地的全栈技术体系。与常规教程不同,我们聚焦与,帮助你在端侧 AI 部署的实战中掌握核心竞争力。

u012133341的博客 2045

Dify外接RagFlow知识库

本文将详细介绍在 Windows 系统环境下,如何实现 Dify 与 Ragflow 的知识库对接。

weixin_47590992的博客 1984

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

上一篇: Meissonic:一个轻量级的文生图模型
下一篇: 【Ragflow】9.问答为什么比搜索响应慢?从源码角度深入分析
zstar-_
zstar-_ 领域专家: 人工智能技术领域 领域专家: 人工智能技术领域
博客等级 码龄7年 17万+粉丝 719原创
评论 21
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

zstar-_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址