Table of Contents
RagFlow를 Ubuntu 서버에 설치하고 사용하는 방법은 다음과 같습니다.
1. 사전 요구 사항 #
설치를 진행하기 전에 다음 요구 사항을 충족하는지 확인해야 합니다.
- CPU: 4코어 이상 (x86)
- RAM: 16GB 이상
- 디스크: 50GB 이상
- Docker: 버전 24.0.0 이상
- Docker Compose: 버전 v2.26.1 이상
- gVisor: (선택 사항) 코드 실행기(샌드박스) 기능을 사용하려는 경우에만 필요합니다.
2. Ubuntu 서버에 설치 #
1단계: 시스템 메모리 매핑 늘리기 #
Elasticsearch/Infinity를 위해 시스템의 최대 메모리 맵 수를 늘려야 합니다.
sudo sysctl -w vm.max_map_count=262144
재부팅 후에도 이 설정을 유지하려면 /etc/sysctl.conf 파일에 추가합니다.
echo "vm.max_map_count=262144" | sudo tee -a /etc/sysctl.conf
2단계: Docker 및 Docker Compose 설치 #
Ubuntu에 Docker와 Docker Compose를 설치합니다.
sudo apt-get update
sudo apt-get install -y docker.io docker-compose
3단계: RAGFlow 리포지토리 복제 #
RAGFlow의 GitHub 리포지토리를 복제합니다.
git clone https://github.com/infiniflow/ragflow.git
cd ragflow
4단계: RAGFlow 서버 시작 #
Docker Compose를 사용하여 RAGFlow 서버를 시작합니다. .env 파일에서 RAGFLOW_IMAGE 변수를 설정하여 원하는 버전을 선택할 수 있습니다 (예: infiniflow/ragflow:v0.19.0-slim).
cd docker
# .env 파일 수정이 필요한 경우 nano .env 또는 vi .env 사용
docker-compose up -d
3. RAGFlow 사용 요령 #
1단계: 지식 베이스(Knowledge Base) 생성 #
- 웹 브라우저에서
http://<서버_IP_주소>로 접속합니다. - 상단의 Knowledge Base 탭을 클릭하고 Create knowledge base를 선택합니다.
- 지식 베이스의 이름을 입력하고 OK를 클릭합니다.
- Configuration 페이지에서 사용할 임베딩 모델과 청킹 방법(템플릿)을 선택합니다.
2단계: 파일 업로드 및 처리 #
- 생성된 지식 베이스의 Dataset 페이지로 이동합니다.
- + Add file > Local files 를 클릭하여 문서를 업로드합니다. 지원되는 형식은 PDF, DOCX, TXT, MD, CSV, XLSX, JPG, PNG 등 다양합니다.
- 업로드된 파일 옆의 재생(▶) 버튼을 눌러 파일 구문 분석을 시작합니다. 상태가 SUCCESS로 바뀌면 완료된 것입니다.
3. AI 채팅 시작 #
- 구문 분석이 완료된 파일을 클릭하면 청크(chunk) 단위로 나뉜 내용을 확인할 수 있습니다.
- 이제 왼쪽 메뉴의 Chat으로 이동하여 업로드한 문서를 기반으로 질문하고 답변을 받을 수 있습니다. RAGFlow는 답변의 근거가 되는 문서의 특정 부분을 함께 제시하여 신뢰도를 높여줍니다.
