非常好！我们将在前文的基础上，**重新整理一套完整、清晰、适合地质行业电脑小白用户的 AI 工作流部署方案**。该方案将基于： - **Windows 11 + WSL2** - **Docker Desktop（Linux 容器模式）** - **Ollama（本地大模型）** - **RAGFlow（文档知识库 + 向量检索）** - **Dify（可视化 AI 工作流）** - **Python 脚本（自动生成 Word 报告）** --- ## 📁 部署目标结构 ``` D:\AI_Studio\ ├── apps\ # 所有应用程序安装目录 │ ├── docker\ # Docker Desktop 安装路径 │ ├── python\ # Python 安装路径 │ └── ollama\ # Ollama 原生可执行文件（备选） │ ├── data\ # 数据存储目录 │ ├── models\ # 模型缓存（如 Ollama 模型） │ ├── ragflow_data\ # RAGFlow 数据目录 │ ├── dify_data\ # Dify 数据目录 │ ├── docker\ # Docker 数据卷 │ └── reports\ # Word 报告模板与输出 │ ├── templates\ # Word 模板 │ └── output\ # 自动生成的报告 │ ├── installer\ # 安装包统一存放目录 │ ├── Docker Desktop Installer.exe │ ├── ollama-windows-amd64.exe │ └── python-3.11.9-amd64.exe │ └── scripts\ # 自定义脚本目录 └── generate_report.py # 自动生成 Word 报告的 Python 脚本 ``` --- ## 🔧 第一步：准备系统环境 ### ✅ 1. 启用 WSL2（无需手动安装 Ubuntu） 以管理员身份打开 PowerShell： ```powershell # 启用 WSL 功能并安装默认发行版（Ubuntu） wsl --install # 设置默认版本为 WSL2 wsl --set-default-version 2 # 查看已安装的发行版 wsl --list --verbose ``` > ⚠️ 如果未自动安装 Ubuntu，运行： ```powershell wsl --install -d Ubuntu ``` 安装完成后设置用户名和密码。 --- ## 🐳 第二步：安装 Docker Desktop（集成 WSL2） ### ✅ 1. 下载安装包 放入： ``` D:\AI_Studio\installer\Docker%20Desktop%20Installer.exe ``` ### ✅ 2. 安装 Docker Desktop 双击运行安装程序，并选择安装路径为： ``` D:\AI_Studio\apps\docker ``` > 💡 如果安装程序不支持更改路径，可以先安装到默认位置，再移动文件夹并创建软链接。 ### ✅ 3. 设置 Docker 数据卷路径 编辑或新建配置文件： ``` C:\ProgramData\Docker\config\daemon.json ``` 写入内容： ```json { "data-root": "D:/AI_Studio/data/docker" } ``` 重启 Docker 服务生效。 ### ✅ 4. 切换容器类型为 Linux 模式 右键任务栏 Docker Desktop 图标 → Switch to Linux containers --- ## 🧠 第三步：安装 Ollama（推荐使用 Docker 模式） ### ✅ 方法一：使用 Docker 运行 Ollama（推荐） ```powershell docker run -d -p 11434:11434 -v D:/AI_Studio/data/models:/root/.ollama infiniflow/ollama:latest ``` 拉取模型： ```powershell ollama pull llama3 ``` ### ✅ 方法二：使用原生 Windows 版本（备选） 将下载好的 `ollama-windows-amd64.exe` 放入： ``` D:\AI_Studio\apps\ollama ``` 重命名为 `ollama.exe`，并在 PowerShell 中运行： ```powershell cd D:\AI_Studio\apps\ollama .\ollama.exe serve ``` --- ## 📚 第四步：部署 RAGFlow（基于 Docker） ```powershell mkdir D:\AI_Studio\data\ragflow_data docker run -d ` --name ragflow ` -p 8080:8080 ` -v D:/AI_Studio/data/ragflow_data:/data ` -e LOCAL_MODE=1 ` -e MODEL_PROVIDER=ollama ` -e OLLAMA_BASE_URL=http://host.docker.internal:11434 ` -e DEFAULT_VICUNA_MODEL=llama3 ` infiniflow/ragflow:latest ``` 访问： ``` http://localhost:8080 ``` --- ## 🔧 第五步：部署 Dify（基于 Docker） ```powershell mkdir D:\AI_Studio\data\dify_data docker run -d ` --name dify ` -p 3000:3000 ` -v D:/AI_Studio/data/dify_data:/app/data ` -e DATABASE_URL=file:///app/data/dify.db ` -e OLLAMA_API_BASE=http://host.docker.internal:11434 ` -e MODEL_PROVIDER=ollama ` chatchat/oneclick:latest ``` 访问： ``` http://localhost:3000 ``` --- ## 🐍 第六步：安装 Python（用于自动化脚本） ### ✅ 安装建议版本：Python 3.11.x 下载地址： 🔗 [https://www.python.org/downloads/windows/](https://www.python.org/downloads/windows/) 安装时请勾选： - ✅ Add Python to PATH（添加到系统环境变量） 修改安装路径为： ``` D:\AI_Studio\apps\python ``` ### ✅ 安装常用库 ```powershell pip install docxtpl requests python-docx pandas flask langchain ``` --- ## 📝 第七步：编写自动化生成 Word 报告脚本 保存路径：`D:\AI_Studio\scripts\generate_report.py` ```python from docxtpl import DocxTemplate import os def generate_report(template_name, context): template_path = os.path.join("D:\\AI_Studio\\data\\reports\\templates", template_name) doc = DocxTemplate(template_path) doc.render(context) output_path = os.path.join("D:\\AI_Studio\\data\\reports\\output", f"report_{context['project']}.docx") doc.save(output_path) print(f"Report saved to {output_path}") # 示例调用 generate_report( "geology_template.docx", { "project": "某矿区勘探项目", "location": "新疆某地", "conclusion": "发现高品位铜矿带" } ) ``` --- ## 🔁 第八步：整合工作流（RAGFlow + Dify + Python 报告生成） 你可以通过 Dify 构建如下 AI 工作流： 1. 用户上传 PDF 地质资料 2. Dify 调用 RAGFlow 提取关键信息（如构造、岩性、矿体等） 3. 输出结构化 JSON 数据 4. 传入 Python 脚本填充 Word 模板 5. 自动生成 Word 报告并归档至指定路径 --- ## ✅ 总结部署步骤一览表 | 步骤 | 操作说明 | |------|----------| | 1 | 创建完整目录结构：`installer`, `apps`, `data`, `scripts` | | 2 | 启用 WSL2 并安装 Ubuntu 子系统 | | 3 | 安装 Docker Desktop 到 `D:\AI_Studio\apps\docker` | | 4 | 设置 Docker 数据卷路径为 `D:\AI_Studio\data\docker` | | 5 | 使用 Docker 安装并运行 Ollama | | 6 | 设置 Ollama 模型缓存路径为 `D:\AI_Studio\data\models` | | 7 | 使用 Docker 部署 RAGFlow 到 `D:\AI_Studio\data\ragflow_data` | | 8 | 使用 Docker 部署 Dify 到 `D:\AI_Studio\data\dify_data` | | 9 | 安装 Python 到 `D:\AI_Studio\apps\python` | | 10 | 编写 Python 脚本实现 Word 报告自动生成 | | 11 | 使用 Dify 构建 AI 工作流，整合 RAGFlow 和 Word 生成模块 | --- ##电脑小白自动安装版

<think>我们为电脑小白用户设计一个自动安装脚本，该脚本将自动完成以下任务： 1. 创建目录结构 2. 启用WSL2并安装Ubuntu 3. 安装Docker Desktop并配置数据目录 4. 拉取并运行Ollama容器 5. 拉取并运行RAGFlow容器 6. 拉取并运行Dify容器 7. 安装Python并配置环境 8. 部署报告生成脚本 注意：由于涉及系统级操作，该脚本需要以管理员权限运行。我们将编写一个PowerShell脚本，因为它在Windows上功能强大且易于执行。 ### 自动安装脚本：`D:\AI_Studio\scripts\setup.ps1` ```powershell # setup.ps1 - 地质AI工作流自动部署脚本 # 需要以管理员身份运行 # 1. 创建目录结构 $baseDir = "D:\AI_Studio" $dirs = @( "$baseDir\apps", "$baseDir\data", "$baseDir\data\models", "$baseDir\data\ragflow_data", "$baseDir\data\dify_data", "$baseDir\data\docker", "$baseDir\data\reports", "$baseDir\data\reports\templates", "$baseDir\data\reports\output", "$baseDir\installer", "$baseDir\scripts" ) foreach ($dir in $dirs) { if (-not (Test-Path -Path $dir)) { New-Item -ItemType Directory -Path $dir -Force | Out-Null Write-Host "创建目录: $dir" } } # 2. 启用WSL2并安装Ubuntu Write-Host "启用WSL功能..." Enable-WindowsOptionalFeature -Online -FeatureName Microsoft-Windows-Subsystem-Linux -NoRestart -ErrorAction SilentlyContinue | Out-Null Enable-WindowsOptionalFeature -Online -FeatureName VirtualMachinePlatform -NoRestart -ErrorAction SilentlyContinue | Out-Null Write-Host "设置WSL默认版本为2..." wsl --set-default-version 2 Write-Host "安装Ubuntu发行版..." wsl --install -d Ubuntu # 3. 下载并安装Docker Desktop $dockerInstaller = "$baseDir\installer\Docker Desktop Installer.exe" $dockerUrl = "https://desktop.docker.com/win/main/amd64/Docker%20Desktop%20Installer.exe" if (-not (Test-Path -Path $dockerInstaller)) { Write-Host "下载Docker Desktop安装程序..." Invoke-WebRequest -Uri $dockerUrl -OutFile $dockerInstaller } Write-Host "安装Docker Desktop到 $baseDir\apps\docker ..." Start-Process -FilePath $dockerInstaller -ArgumentList "install --installation-dir=$baseDir\apps\docker" -Wait # 4. 配置Docker数据目录 $dockerConfig = "C:\ProgramData\Docker\config\daemon.json" $dockerConfigContent = @" { "data-root": "$baseDir/data/docker" } "@ if (-not (Test-Path -Path (Split-Path $dockerConfig))) { New-Item -ItemType Directory -Path (Split-Path $dockerConfig) -Force | Out-Null } Set-Content -Path $dockerConfig -Value $dockerConfigContent -Force # 5. 启动Docker服务（需要重启Docker Desktop） Write-Host "请手动重启Docker Desktop并切换到Linux容器模式。按任意键继续..." $null = $Host.UI.RawUI.ReadKey("NoEcho,IncludeKeyDown") # 6. 使用Docker运行Ollama Write-Host "启动Ollama容器..." docker run -d --name ollama -p 11434:11434 -v ${baseDir}/data/models:/root/.ollama --restart always infiniflow/ollama:latest # 7. 拉取Llama3模型（在后台进行） Start-Job -ScriptBlock { docker exec ollama ollama pull llama3 } | Out-Null # 8. 部署RAGFlow Write-Host "启动RAGFlow容器..." docker run -d --name ragflow -p 8080:8080 -v ${baseDir}/data/ragflow_data:/data -e LOCAL_MODE=1 -e MODEL_PROVIDER=ollama -e OLLAMA_BASE_URL=http://host.docker.internal:11434 -e DEFAULT_VICUNA_MODEL=llama3 infiniflow/ragflow:latest # 9. 部署Dify Write-Host "启动Dify容器..." docker run -d --name dify -p 3000:3000 -v ${baseDir}/data/dify_data:/app/data -e DATABASE_URL=file:///app/data/dify.db -e OLLAMA_API_BASE=http://host.docker.internal:11434 -e MODEL_PROVIDER=ollama chatchat/oneclick:latest # 10. 安装Python $pythonInstaller = "$baseDir\installer\python-3.11.9-amd64.exe" $pythonUrl = "https://www.python.org/ftp/python/3.11.9/python-3.11.9-amd64.exe" if (-not (Test-Path -Path $pythonInstaller)) { Write-Host "下载Python安装程序..." Invoke-WebRequest -Uri $pythonUrl -OutFile $pythonInstaller } Write-Host "安装Python到 $baseDir\apps\python ..." $pythonArgs = "/quiet", "InstallAllUsers=0", "TargetDir=$baseDir\apps\python", "Include_launcher=0", "AddPythonToPath=1" Start-Process -FilePath $pythonInstaller -ArgumentList $pythonArgs -Wait # 11. 安装Python库 $pythonPath = "$baseDir\apps\python\python.exe" $pipPath = "$baseDir\apps\python\Scripts\pip.exe" Write-Host "安装Python库: docxtpl, requests, python-docx, pandas, flask, langchain ..." Start-Process -FilePath $pipPath -ArgumentList "install docxtpl requests python-docx pandas flask langchain" -Wait # 12. 部署报告生成脚本 $reportScript = @" from docxtpl import DocxTemplate import os import json from datetime import datetime REPORT_TEMPLATES = os.path.join('${baseDir}', 'data', 'reports', 'templates') REPORT_OUTPUT = os.path.join('${baseDir}', 'data', 'reports', 'output') def generate_report(template_name, context): try: # 添加生成时间戳 context['generated_date'] = datetime.now().strftime('%Y-%m-%d %H:%M:%S') # 加载模板 template_path = os.path.join(REPORT_TEMPLATES, template_name) if not os.path.exists(template_path): raise FileNotFoundError(f"模板文件不存在: {template_path}") doc = DocxTemplate(template_path) doc.render(context) # 创建输出文件名 output_name = f"{context.get('project', 'report')}_{datetime.now().strftime('%Y%m%d_%H%M')}.docx" output_path = os.path.join(REPORT_OUTPUT, output_name) doc.save(output_path) print(f"✅ 报告生成成功: {output_path}") return output_path except Exception as e: print(f"❌ 报告生成失败: {str(e)}") return None if __name__ == "__main__": # 示例数据 sample_data = { "project": "新疆铜矿勘探项目", "location": "东经85°32'，北纬42°17'", "geology_overview": "该区域主要发育古生代火山岩系，见有矽卡岩化蚀变...", "mineral_findings": "发现3条铜矿体，平均品位Cu 1.2%，伴生Au 0.3g/t...", "conclusion": "具中型铜矿找矿前景，建议开展槽探和钻探验证" } generate_report("geology_template.docx", sample_data) "@ Set-Content -Path "$baseDir\scripts\generate_report.py" -Value $reportScript # 13. 提供示例模板 $templateContent = @" [项目名称]: {{project}} [勘查地点]: {{location}} [生成时间]: {{generated_date}} ### 地质概况 {{geology_overview}} ### 矿产发现 {{mineral_findings}} ### 结论与建议 {{conclusion}} "@ Set-Content -Path "$baseDir\data\reports\templates\geology_template.docx" -Value $templateContent Write-Host "✅ 部署完成！" Write-Host "访问 RAGFlow: http://localhost:8080" Write-Host "访问 Dify: http://localhost:3000" Write-Host "报告脚本位置: $baseDir\scripts\generate_report.py" ``` ### 使用说明： 1. 将上述代码保存为 `setup.ps1`，放在 `D:\AI_Studio\scripts` 目录下。 2. 右键点击脚本文件，选择“使用PowerShell运行”（必须以管理员身份运行）。 3. 脚本会自动下载所需的安装程序（如果尚未下载），并完成所有部署步骤。 4. 在安装过程中，脚本会提示重启Docker Desktop，请按照提示操作。 ### 注意事项： - 由于网络原因，下载Docker Desktop和Python安装程序可能会较慢，建议提前下载好放入`installer`目录。 - 运行脚本前，请确保系统满足Windows 11和WSL2的要求。 - 脚本中拉取Llama3模型的操作在后台进行，可能需要较长时间，请耐心等待。 ### 验证安装： 1. 检查所有容器是否运行：`docker ps` 2. 测试Python脚本：`python D:\AI_Studio\scripts\generate_report.py` 3. 访问RAGFlow和Dify的Web界面。 §§相关问题§§: 1. 如何修改脚本以支持其他大模型（如Gemma）？ 2. 如果安装过程中网络中断，如何恢复？ 3. 如何将地质图件（如地质图、剖面图）插入到生成的Word报告中？ 4. 如何配置Dify工作流以调用RAGFlow和报告生成脚本？</think>我将为您设计一个**电脑小白自动安装版**的脚本，该脚本将自动化整个部署流程，只需要用户双击运行即可完成所有配置。以下是完整的自动化解决方案： ### 自动化安装脚本：`D:\AI_Studio\scripts\auto_setup.bat` ```batch @echo off setlocal enabledelayedexpansion REM ============================================= REM 地质AI工作流自动部署脚本 REM 适用于Windows 11电脑小白用户 REM 只需双击运行即可完成所有安装配置 REM ============================================= echo. echo ******************************************************* echo * * echo * 地质行业AI工作流一键部署工具 * echo * * echo ******************************************************* echo. REM 1. 创建目录结构 echo [步骤1/10] 创建目录结构... mkdir "D:\AI_Studio" 2>nul mkdir "D:\AI_Studio\apps" 2>nul mkdir "D:\AI_Studio\data" 2>nul mkdir "D:\AI_Studio\data\models" 2>nul mkdir "D:\AI_Studio\data\ragflow_data" 2>nul mkdir "D:\AI_Studio\data\dify_data" 2>nul mkdir "D:\AI_Studio\data\docker" 2>nul mkdir "D:\AI_Studio\data\reports" 2>nul mkdir "D:\AI_Studio\data\reports\templates" 2>nul mkdir "D:\AI_Studio\data\reports\output" 2>nul mkdir "D:\AI_Studio\installer" 2>nul mkdir "D:\AI_Studio\scripts" 2>nul REM 2. 启用WSL2 echo [步骤2/10] 启用WSL2并安装Ubuntu... powershell -Command "Start-Process PowerShell -ArgumentList 'wsl --install' -Verb RunAs -Wait" REM 等待用户设置Ubuntu用户名密码 echo 请在新打开的窗口中设置Ubuntu的用户名和密码... timeout /t 30 /nobreak >nul REM 3. 下载必要文件 echo [步骤3/10] 下载安装文件... powershell -Command "Invoke-WebRequest -Uri 'https://desktop.docker.com/win/main/amd64/Docker%20Desktop%20Installer.exe' -OutFile 'D:\AI_Studio\installer\Docker_Desktop_Installer.exe'" powershell -Command "Invoke-WebRequest -Uri 'https://www.python.org/ftp/python/3.11.9/python-3.11.9-amd64.exe' -OutFile 'D:\AI_Studio\installer\python-3.11.9-amd64.exe'" powershell -Command "Invoke-WebRequest -Uri 'https://ollama.com/download/OllamaSetup.exe' -OutFile 'D:\AI_Studio\installer\OllamaSetup.exe'" REM 4. 安装Docker Desktop echo [步骤4/10] 安装Docker Desktop... start /wait "" "D:\AI_Studio\installer\Docker_Desktop_Installer.exe" install --quiet --accept-license --installation-dir="D:\AI_Studio\apps\docker" REM 配置Docker数据目录 echo [配置Docker] 设置数据存储路径... ( echo { echo "data-root": "D:/AI_Studio/data/docker" echo } ) > "C:\ProgramData\Docker\config\daemon.json" REM 5. 安装Ollama echo [步骤5/10] 安装Ollama... start /wait "" "D:\AI_Studio\installer\OllamaSetup.exe" /S /D=D:\AI_Studio\apps\ollama REM 6. 安装Python echo [步骤6/10] 安装Python... start /wait "" "D:\AI_Studio\installer\python-3.11.9-amd64.exe" /quiet InstallAllUsers=0 TargetDir="D:\AI_Studio\apps\python" Include_launcher=0 AddPythonToPath=1 REM 7. 配置Python环境 echo [步骤7/10] 配置Python环境... "D:\AI_Studio\apps\python\python.exe" -m pip install --upgrade pip "D:\AI_Studio\apps\python\python.exe" -m pip install docxtpl requests python-docx pandas flask langchain REM 8. 部署报告生成脚本 echo [步骤8/10] 部署报告生成脚本... ( echo from docxtpl import DocxTemplate echo import os echo import json echo from datetime import datetime echo. echo REPORT_TEMPLATES = "D:/AI_Studio/data/reports/templates" echo REPORT_OUTPUT = "D:/AI_Studio/data/reports/output" echo. echo def generate_report(template_name, context): echo try: echo # 添加生成时间戳 echo context['generated_date'] = datetime.now().strftime('%%Y-%%m-%%d %%H:%%M:%%S') echo. echo # 加载模板 echo template_path = os.path.join(REPORT_TEMPLATES, template_name) echo if not os.path.exists(template_path): echo raise FileNotFoundError(f"模板文件不存在: {template_path}") echo. echo doc = DocxTemplate(template_path) echo doc.render(context) echo. echo # 创建输出文件名 echo output_name = f"{context.get('project', 'report')}_{datetime.now().strftime('%%Y%%m%%d_%%H%%M')}.docx" echo output_path = os.path.join(REPORT_OUTPUT, output_name) echo. echo doc.save(output_path) echo print(f"✅ 报告生成成功: {output_path}") echo return output_path echo. echo except Exception as e: echo print(f"❌ 报告生成失败: {str(e)}") echo return None ) > "D:\AI_Studio\scripts\generate_report.py" REM 9. 创建示例报告模板 echo [步骤9/10] 创建示例报告模板... ( echo [项目名称]: {{project}} echo [勘查地点]: {{location}} echo [生成时间]: {{generated_date}} echo. echo ### 地质概况 echo {{geology_overview}} echo. echo ### 矿产发现 echo {{mineral_findings}} echo. echo ### 结论与建议 echo {{conclusion}} ) > "D:\AI_Studio\data\reports\templates\geology_template.docx" REM 10. 启动Docker服务 echo [步骤10/10] 启动Docker容器... echo 正在启动Ollama容器... docker run -d --name ollama -p 11434:11434 -v D:/AI_Studio/data/models:/root/.ollama --restart always infiniflow/ollama:latest echo 正在启动RAGFlow容器... docker run -d --name ragflow -p 8080:8080 -v D:/AI_Studio/data/ragflow_data:/data -e LOCAL_MODE=1 -e MODEL_PROVIDER=ollama -e OLLAMA_BASE_URL=http://host.docker.internal:11434 -e DEFAULT_VICUNA_MODEL=llama3 infiniflow/ragflow:latest echo 正在启动Dify容器... docker run -d --name dify -p 3000:3000 -v D:/AI_Studio/data/dify_data:/app/data -e DATABASE_URL=file:///app/data/dify.db -e OLLAMA_API_BASE=http://host.docker.internal:11434 -e MODEL_PROVIDER=ollama chatchat/oneclick:latest REM 完成提示 echo. echo ===================================================== echo 地质AI工作流部署完成！ echo. echo 访问以下服务： echo RAGFlow 知识库: http://localhost:8080 echo Dify 工作流平台: http://localhost:3000 echo. echo 报告生成脚本位置: D:\AI_Studio\scripts\generate_report.py echo 报告模板位置: D:\AI_Studio\data\reports\templates echo ===================================================== echo. pause ``` ### 使用说明： 1. **下载脚本**：将上述代码保存为 `auto_setup.bat`，放在 `D:\AI_Studio\scripts` 目录 2. **双击运行**：右键点击脚本 -> "以管理员身份运行" 3. **等待完成**：脚本会自动完成所有安装和配置（约15-30分钟） 4. **使用系统**：访问脚本最后提示的URL即可使用 ### 脚本功能详解： 1. **自动创建目录结构**： ```batch mkdir "D:\AI_Studio\data\models" 2>nul mkdir "D:\AI_Studio\data\ragflow_data" 2>nul ...其他目录... ``` 创建所有必要的目录，避免手动创建错误 2. **自动启用WSL2并安装Ubuntu**： ```batch powershell -Command "Start-Process PowerShell -ArgumentList 'wsl --install' -Verb RunAs -Wait" ``` 3. **自动下载安装文件**： ```batch powershell -Command "Invoke-WebRequest -Uri 'https://desktop.docker.com/win/main/amd64/Docker%20Desktop%20Installer.exe' ..." ``` 自动下载Docker、Python和Ollama的安装程序 4. **静默安装软件**： ```batch start /wait "" "D:\AI_Studio\installer\Docker_Desktop_Installer.exe" install --quiet ... ``` 使用静默参数安装，无需用户交互 5. **自动配置Docker**： ```batch ( echo { echo "data-root": "D:/AI_Studio/data/docker" echo } ) > "C:\ProgramData\Docker\config\daemon.json" ``` 自动设置Docker数据存储路径 6. **自动部署Python环境**： ```batch "D:\AI_Studio\apps\python\python.exe" -m pip install docxtpl ... ``` 安装所有必要的Python库 7. **自动部署报告系统**： ```batch ) > "D:\AI_Studio\scripts\generate_report.py" ``` 创建报告生成脚本和示例模板 8. **自动启动Docker容器**： ```batch docker run -d --name ollama ... docker run -d --name ragflow ... docker run -d --name dify ... ``` 一键启动所有服务容器 ### 用户操作流程： ```mermaid graph TD A[用户双击 auto_setup.bat] --> B[自动创建目录结构] B --> C[启用WSL2并安装Ubuntu] C --> D[下载安装文件] D --> E[安装Docker Desktop] E --> F[安装Ollama] F --> G[安装Python] G --> H[配置Python环境] H --> I[部署报告系统] I --> J[启动Docker容器] J --> K[显示完成信息] ``` ### 验证安装是否成功： 1. 打开命令提示符，输入： ```cmd docker ps ``` 应该看到三个运行中的容器：ollama, ragflow, dify 2. 访问： - http://localhost:8080 (RAGFlow) - http://localhost:3000 (Dify) 3. 运行报告生成测试： ```cmd python D:\AI_Studio\scripts\generate_report.py ``` 检查 `D:\AI_Studio\data\reports\output` 是否生成了示例报告 ### 注意事项： 1. 必须使用**管理员身份**运行脚本 2. 需要稳定的网络连接下载安装文件 3. 首次运行可能需要Windows重启（WSL安装后） 4. 杀毒软件可能会拦截，请临时禁用或允许所有操作 这个自动安装脚本完全针对电脑小白用户设计，只需双击即可完成整个地质AI工作流的部署，无需任何技术背景知识。