深耕数码、AI兴趣领域
7
6
NAS 不要「只存不用」，0 成本搭建一套真正的「超级个人知识库」
2026-07-22 17:14:27
0点赞
1收藏
0评论
绿联DXP4800 GT上市已经有一段时间了。在我看来，这款 4C8T 的新款四盘位旗舰 NAS 在性能上最大的优势，就是支持 64GB DDR4 内存。或者说是可以运行的服务数量以及能力。
2026年了，如果大家还只是把 NAS 当成一台简单的存储设备，那真的是有点跟不上时代了。
且不说绿联自己 iDX 系列是 AI+NAS+安防上的优秀表现，光是当下业内发展趋势里就可以看出，AI + NAS 的组合拳，已经将其变成了一台个人超算中心。
可以做什么？
存储海量的文件、文档资料，分析资料形成标准的块状数据，利用 LLMs、RAG 形成基于数据的 AI 个人知识库和数据智能管理中心。
简单的一个例子，利用 RAGFlow 一句话就可以在 NAS、云端、网盘里大海捞针，找到数据资料的原始出处，以及和所需资料相关联的其它资料，彻底盘活 NAS 的存储性质。
言归正传吧，好马配好鞍。
绿联DXP4800 GT 的强大性能要发挥出 100% 的实力，还必须有配套的软件来服务。今天我们来讲讲，如何通过绿联 UGOS Pro 系统搭建一套业内领先的开源检索增加生成引擎，将 NAS 里存储的各类资料片段化、索引化，然后接入 AI Agent 工具，搭建真正属于自己的 AI 知识库。
RAGFlow 是一款基于 RAG 技术与 Agent 能力的开源引擎，为大型语言模型提供卓越的上下文层。它提供可适配任意规模企业的端到端 RAG 工作流，凭借融合式上下文引擎与预置的 Agent 模板，助力开发者以极致效率与精度将复杂数据转化为高可信、生产级的人工智能系统。
我们利用绿联DXP4800 GT 内置的 Docker 应用来部署 RAGFlow 这个应用，建议配置是 16G 以上内存（当然，8G 也可以跑，只不过占用过多会影响别的服务）。
RAGFlow 的部署方式还是比较复杂的，而且拥有众多的第三方服务包。但是经过我整理后，其实我们个人使用大多数场景下都是用不到的。
所以我调试了一套不影响核心业务，而且最小模块可运行的版本。打开绿联 Docker 应用，创建一个项目，在项目名称里填入 ragflow，接着把下面的 yaml代码复制到配置区部署就 OK 拉。
services:
ragflow:
image: infiniflow/ragflow:v0.26.4
command:
- --enable-adminserver
- --init-model-provider-tables
depends_on:
mysql:
condition: service_healthy
es01:
condition: service_healthy
minio:
condition: service_healthy
redis:
condition: service_healthy
ports:
- "9380:80"
- "9382:9382"
environment:
TZ: Asia/Shanghai
DOC_ENGINE: elasticsearch
DEVICE: cpu
API_PROXY_SCHEME: python
MYSQL_HOST: mysql
MYSQL_PORT: "3306"
MYSQL_DBNAME: rag_flow
MYSQL_USER: ragflow
MYSQL_PASSWORD: CHANGE_ME_RAGFLOW_2026
MYSQL_MAX_PACKET: "1073741824"
ES_HOST: es01
ES_USER: elastic
ELASTIC_PASSWORD: CHANGE_ME_RAGFLOW_2026
MINIO_HOST: minio
MINIO_USER: rag_flow
MINIO_PASSWORD: CHANGE_ME_RAGFLOW_2026
REDIS_HOST: redis
REDIS_PASSWORD: CHANGE_ME_RAGFLOW_2026
TEI_HOST: tei
volumes:
- ragflow_logs:/ragflow/logs
networks:
- ragflow
restart: unless-stopped
extra_hosts:
- "host.docker.internal:host-gateway"
es01:
image: elasticsearch:8.11.3
environment:
node.name: es01
discovery.type: single-node
ELASTIC_PASSWORD: CHANGE_ME_RAGFLOW_2026
bootstrap.memory_lock: "false"
xpack.security.enabled: "true"
xpack.security.http.ssl.enabled: "false"
xpack.security.transport.ssl.enabled: "false"
cluster.routing.allocation.disk.watermark.low: 5gb
cluster.routing.allocation.disk.watermark.high: 3gb
cluster.routing.allocation.disk.watermark.flood_stage: 2gb
volumes:
- es_data:/usr/share/elasticsearch/data
tmpfs:
- /tmp:mode=1777,size=512m
mem_limit: 8g
ulimits:
memlock:
soft: -1
hard: -1
healthcheck:
test: ["CMD-SHELL", "curl -s http://localhost:9200 >/dev/null || exit 1"]
interval: 10s
timeout: 10s
retries: 120
networks:
- ragflow
restart: unless-stopped
mysql:
image: mysql:8.0.40
environment:
MYSQL_ROOT_PASSWORD: CHANGE_ME_RAGFLOW_2026
MYSQL_DATABASE: rag_flow
MYSQL_USER: ragflow
MYSQL_PASSWORD: CHANGE_ME_RAGFLOW_2026
TZ: Asia/Shanghai
command:
- --max_connections=1000
- --character-set-server=utf8mb4
- --collation-server=utf8mb4_unicode_ci
- --default-authentication-plugin=mysql_native_password
- --tls_version=TLSv1.2,TLSv1.3
- --binlog_expire_logs_seconds=604800
- --max_allowed_packet=1073741824
- --default-time-zone=+08:00
volumes:
- mysql_data:/var/lib/mysql
healthcheck:
test: ["CMD-SHELL", "mysqladmin ping -h localhost -uroot -p$$MYSQL_ROOT_PASSWORD --silent"]
interval: 10s
timeout: 10s
retries: 120
networks:
- ragflow
restart: unless-stopped
minio:
image: pgsty/minio:RELEASE.2026-03-25T00-00-00Z
command: ["server", "--console-address", ":9001", "/data"]
environment:
MINIO_ROOT_USER: rag_flow
MINIO_ROOT_PASSWORD: CHANGE_ME_RAGFLOW_2026
volumes:
- minio_data:/data
healthcheck:
test: ["CMD", "curl", "-f", "http://localhost:9000/minio/health/live"]
interval: 10s
timeout: 10s
retries: 120
networks:
- ragflow
restart: unless-stopped
redis:
image: valkey/valkey:8
command:
- redis-server
- --requirepass
- CHANGE_ME_RAGFLOW_2026
- --maxmemory
- 128mb
- --maxmemory-policy
- allkeys-lru
volumes:
- redis_data:/data
healthcheck:
test: ["CMD", "redis-cli", "-a", "CHANGE_ME_RAGFLOW_2026", "ping"]
interval: 10s
timeout: 10s
retries: 120
networks:
- ragflow
restart: unless-stopped
volumes:
ragflow_logs:
es_data:
mysql_data:
minio_data:
redis_data:
networks:
ragflow:
driver: bridge
RAGFlow 很快就会拉下来部署，如果在部署过程中遇到无法下载容器镜像的也别担心。绿联 UGOS Pro 系统内给我们提供了一个 docker 镜像加速器配置地址，点击就可以快速加入 1ms非常方便。
先来看看 RAGFlow 的整体架构，包含 CLI、UI、SDK、API 四套入口，对我们来说最常用的就是 UI 和 API。
UI 是我们今天主讲的内容，包含从配置模型到接入绿联DXP4800 GT 全过程；而 API 则可以让 OpenClaw、Hermes、WorkBuddy 等 Agent 接入。
• 基于深度文档理解，能够从各类复杂格式的非结构化数据中提取真知灼见。
• 真正在无限上下文（token）的场景下快速完成大海捞针测试。
RAGFlow 的核心功能如下:
1️⃣基于模板的文本切片
不仅仅是智能，更重要的是可控可解释。
多种文本模板可供选择
2️⃣有理有据、最大程度降低幻觉
文本切片过程可视化，支持手动调整。
有理有据：答案提供关键引用的快照并支持追根溯源。
3️⃣兼容各类异构数据源
支持丰富的文件类型，包括 Word 文档、PPT、excel 表格、txt 文件、图片、PDF、影印件、复印件、结构化数据、网页等。
4️⃣全程无忧、自动化的 RAG工作流
全面优化的 RAG 工作流可以支持从个人应用乃至超大型企业的各类生态系统。
大语言模型 LLM 以及向量模型均支持配置。
基于多路召回、融合重排序。
提供易用的 API，可以轻松集成到各类企业系统。
进入系统后，我们先创建一个管理员账号用于登录。
然后在界面右上角点击语言一栏，把语言修改为中文（简体）。不喜欢黑暗模式的，可以像我一样点开旁边的颜色模式切换来到亮色模式。
先来说说如何将 RAGFlow 和绿联DXP4800 GT 打通吧。
虽然它是一个容器服务，但是不支持将 NAS 里的路径直接映射进来作为本地文件。我们还是需要通过一些网路服务来配置的，比如 WebDAV。
除恶了 WebDAV 之外，RAGFlow 本身也集成了市面上几乎所有的云服务、云数据库、云盘，可以一键接入。
在绿联DXP4800 GT 的界面里，点开设置，找到文件服务，然后开启 WebDAV。这里需要注意的是 HTTPS 服务，如果本地没有 SSL 证书，那么 RAGFlow 连接 https 可能会被拦截，所以局域网内可以直接走 HTTP 协议。
在 RAGFlow 里，知识库是允许创建多个的。不同数据库支持接入多个数据源，我们前面说的 WebDAV 就是数据源之一。
在知识库里的设置页面，可以找到数据源这个选项，然后点击右侧的链接数据源来进行配置（也可以通过右上角头像设置来配置）。
不同的知识库，需要配置不同的类型。具体的映射关系看下面的图片里，一般来说选择 General 通用就足够了。
配置的里最主要的地方是路径。如果转换为绿联 UGOS Pro 的路径，就是/home/文件夹/文件这样直接填写。
等配置完成后，就可以在下方的日志里看到 RAGFlow 的链接记录，以及从 WebDAV 拉文件到本地知识库的信息。
待文件拉取完成后，RAGFlow 会自动进行文件资料的处理，将文件切成块，并用向量模型记录到数据库里。
说到模型，这里具体来看看如何配置。
依旧是点右上角的头像进入配置页面，点选模型提供商，这里要求填入 LLM（大模型）、Embedding（向量模型）、VLM（视觉）、ASR（语音理解）、Rerank（重排序）、TTS（语音）、OCR（图片扫文字）等七类模型。
硅基流动一个顶五，可以搞定除了 ASR 的全部内容，而且基本都是免费的。
剩下的 ASR 和 OCR，可以使用阿里云的免费用量，这里不赘述。
回到知识库内部。当一篇文档被向量切片以后，我们可以通过查看文档内容来查看切片的所有信息。比如我传入的一年级的知识点，会被 AI 切成到了不同的数据里。
为了验证数据是否存入，我们可以在检索测试里输入关键词，来看看右侧的结果是否能找到对应的信息。
这里的重排序模型就很关键了，它会根据检索相似度来返回准确度更高的内容，这也是 RAGFlow 作为个人知识库更准确的原因。
建完了知识库，事情还没结束，我们还得使用起来。
RAGFlow 的两大特点，聊天、智能体，就是基于知识库的深度分析、使用、研究功能。
以聊天为例，创建了一个聊天会话后（Agent 对话），我们可以在聊天设置里匹配知识库和模型，然后通过问答的形式让 AI 结合知识库里的内容给我们返回最准确的答案。
对的，它不是胡乱编造的，而是通过我们创建进去的真实数据，通过 NAS 里物理保存的文件资料生成的，所有的数据信源都来源于你的 NAS ，你的真是文档。
当然，如果想要搜索，可以在下面配置 Tavily API ，这是一个基于互联网检索的服务能力。
智能体的话，和聊天最大的区别就是它有点类似现在各类 Work 工具里的专家模式，将经验沉淀为一个特定的 Agent 人格后提供出来使用。
它可以从不同角度，更专业的结合 NAS 本地的文件资料来进行解读。我们甚至可以提前在聊天里，让 AI 根据我们的文件资料创建一个自己工作行业内的专家提示词，导入来帮助自己解决工作、生活中遇到的所有问题。
如果你平时喜欢使用 Agent 聊天的。绿联UGOS Pro 还内置了 OpenClaw、Hermes-Agent，我们可以将 RAGFlow 的 MCP 地址提供给它们，让它们帮我们直接操作 RAGFlow 应用，并连接 NAS、网盘实现更深层次的知识库文档管理和互动。
以上，就是本次使用绿联DXP4800 GT 搭建 RAGFlow，并且通过 WebDAV 服务打通 NAS 内的文件、资料的玩法内容。
回到开头说的那句话，如果你给绿联DXP4800 GT 插上了 32G 内存，那么 4C8T 的强大性能下，还可以部署 MiniCPM 系列的小钢炮模型，实现纯本地化运作，包含本地 RAG、本地 LLMs 等等。
而如果你看完这篇文章，对文章里提到的个人知识库搭建思路非常喜欢，但是因为手上的设备性能较差无法部署，可以考虑在近期的优惠活动下选购绿联DXP4800 GT 这款新一代的旗舰产品，帮助提升手上的效率工具~~
作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～
