这期内容分享下在我们个人本地电脑私有化部署 DeepSeek R1 + RAGFlow，也想观察下在没有GPU的机器上跑起来体验如何？
这期分享全程操作的干货内容，言简意赅，不要怕学不会，现在部署大模型已经很简单了。照着我说的一步步做，一定能成功！
① 我本地的环境
AMD Ryzen 5 5600G 3.90 GHz16.0 GB (15.4 GB 可用)1TB固态没有独显（哈哈）Windows 11 专业版本地虚拟机CentOS Linux release 7.9.2009 (Core)安装好 Docker，这个不会可以问AI，Linux几行命令就搞定
以上环境相信大部分朋友都具备。
② 下载和安装ollama
# 下载地址https://ollama.com/download/windows# 配置下环境变量# ollama 默认只允许本地访问，不配置的话我们虚拟机不能和本地ollama连接OLLAMA_HOST 0.0.0.0:11434# 模型下载位置，推荐配置下OLLAMA_MODELS D://models/xxx# 傻瓜式下一步安装，安装后最好重启下电脑
③ 下载 DeepSeek 模型
# 这里推荐下载7b，大概4G，要一会儿ollama run deepseek-r1:7b# 如果就是学习下步骤，也可以下1.5b，快ollama run deepseek-r1:1.5b# 我2模型个都下了，下的过程中，可能到最后会很慢# 不要怕，直接Ctrl + C结束# 再执行下载，他有断点续传，再下就发现很快# 跑起来就直接进对话指令了，类似如下C:\Users\sailen>ollama run deepseek-r1:7b>>> Send a message (/? for help)# 可以输入点内容测试下速度，例如：介绍下你自己# 由于我没GPU，7b回答的时候有点慢，但勉强能推理# 1.5b的速度很快了，但是问了几个问题# 说实话很拉胯，不能用，只剩快，哈哈>>> 介绍下你自己<think>您好！我是由中国的深度求索（DeepSeek）公司开发的智能助手DeepSeek-R1。如您有任何任何问题，我会尽我所能为您提供帮助。</think>您好！我是由中国的深度求索（DeepSeek）公司开发的智能助手DeepSeek-R1。如您有任何任何问题，我会尽我所能为您提供帮助。# 输入 /bye，可以退出 对话# 再输入 ollama list 查看本地下载的模型>>> /byeC:\Users\sailen>ollama listNAME ID SIZE MODIFIEDdeepseek-r1:7b 0a8c26691023 4.7 GB 4 days agodeepseek-r1:1.5b a42b25d8c10a 1.1 GB 4 days ago# 此时，浏览器里用你的内网IP访问下11434http://192.168.31.116:11434/# 看看 显示 Ollama is running 即可
④ 下载、部署RagFlow
远程连接虚拟机，准备下载RagFlow
# 先下下ragflow源码git clone https://github.com/infiniflow/ragflow.git# 修改下环境变量文件# 目的：下载RagFlow完整版，含Embedding模型# 不然你本地还需要部署一个Embedding模型cd ragflowvi docker/.env# 注释轻量版本# RAGFLOW_IMAGE=infiniflow/ragflow:v0.16.0-slim# 打开完整版本RAGFLOW_IMAGE=infiniflow/ragflow:v0.16.0# cd ragflow# 准备跑吧，拉镜像需要点时间哈，完整版9多Gdocker compose -f docker/docker-compose.yml up -d# 最好配置下Docker国内代理vi /etc/docker/daemon.json# 配置内容：{ "registry-mirrors": ["https://docker.1ms.run"]}# 下载过程中可能提示连接失败，多重新尝试几次即可# 另外，我遇到一个问题，跑完后，一个es容器没下载成功# 一开始不清楚原因，用docker logs 看了下ragflow-server容器的日志# 发现一直在连 es，无法连接# 找了下解决方案：https://github.com/infiniflow/ragflow/issues/4038# 还是一个open状态的问题，看最后那个大佬的内容I was able to solve it by moving in the folder /docker and doing docker compose down then docker compose up and elastic search installed itself# 于是，执行下docker compose downdocker compose up# 嘿嘿，就检测到es的容器没下载成功，然后一顿下载# 完事后，再重启下ragflow-server容器# 观察下日志，好了# 浏览器访问下试试http://192.168.31.101/
⑤ 注册账号、登录
没啥好说的，输入邮箱，名称，密码就可以了
⑥ 配置模型提供商
我英文水平一般，先切换到中文，哈哈
点击头像，找到左侧模型提供商
找到ollama，点击添加模型
参考我这图上面配置就行，一看就懂哈。
点击确认，可能要转一下下，然后就看到列表上有Ollama了
⑦ 系统模型设置
再点击系统模型设置，参考我这样配置就行
⑧ 创建知识库
输入名称，选择语言，选择嵌入模型
解析方法没啥特殊的，就选General就行
其它的不懂就默认，先别管
然后新增一个你本地的文档
传上来后，点击下执行下解析，可能需要几分钟
解析状态显示 成功 就好了
由于没有GPU加持，向量化过程全靠CPU算
我这个文档 28M，12核CPU全部接近 跑满状态，大概跑了5分钟
⑨ 新建助理，创建聊天
在助理设置里，就填写个名字，愿意的话就改下开场白，最重要吧下面的知识库选为你自己刚刚刚刚创建的
切换到提示引擎们可以按你的需求改下提示词其它也不用动
切换到模型设置，选择 ollama 图标里的 DeepSeek 7b就好了
然后就愉快地聊天吧！
看完后是不是觉得简单吧？RagFlow 与 Docker 把很多技术细节给你屏蔽了，不用关心需要部署数据库、Redis、ES、minio啥啥的，模型相关的一些参数配置也都是给你默认配置了，上手很容易，缩一缩，这都2025年了，搭建一个完全私有化的RAG系统也没那么难。
实际上RAGFlow有很多细节支持你配置和自定义，需要你花点时间去测试和研究。
还提供了丰富的API，供你业务系统调用，多爽~~~
这些内容后面有空，我会继续写几篇文章逐一介绍，敬请关注！
实际运行情况
现实很残酷，你知道我得到上面那个推理结果代价有多大吧？
内存99%，磁盘100%，CPU从持续一段时间100%，到后面稳在35%左右
然后，大概每隔1分钟，响应2句话，等啊等
我开的其它应用有的就报错了，然后闪退，然后就是鼠标键盘都不好使了
大概半小时，结果出来了，但系统已经瘫痪了
本来想截屏的，卡住没反应了
最终，想按各种快捷键杀进程都没反应，强制按主机电源键关机重启……
反正是玩一下嘛，还是挺好玩的哈哈，感兴趣可以看下我的视频号里的内容
我重启后不敢用 7b 模型了，改用了1.5b 进行推理，不会还会死掉
速度快了不少，但结果也不是太准确了……
好了，大家玩的时候，还是先玩下1.5b吧，玩 7b+ 的有 GPU 可以放心玩哈！！！
都看到这里了，点个关注吧，我后面还会细讲 RagFlow 产品相关的深入使用哦！
往期推荐：
AI编程神器：Windsurf是否已超越Cursor？
中国AI新巅峰！阿里云Qwen2.5-Max大模型全面解析
“我们是中国人”，这句话到底是如何进行向量化的？
好了，本期内容就是这么多，希望能够帮助到您，感谢您能读到最后，如果觉得内容不错，请您点赞转发给予鼓励，咱们下期再见。