读者福利：关注公众号【大模型应用开发LLM】可获取入门大模型学习资料包一份~
fastgpt的知识库，是我认为目前最简单好用的知识库了，我一直用了很久。不过评论区多次提到另外一位热门选手：ragflow
ragflow其实我去年也用过，但是并没有深入一直去使用，因为当时我用着老是有各种各样的问题，比如上传的文件老是解析失败，用着用着突然访问不了了，问答拆分等解析模式非常慢等等。最关键的是当时因为搞各种本地大模型，本地部署，资源不够用了，，，而ragflow又非常吃资源
内存需求是fastgpt和dify的4倍；CPU是fastgpt和dify的2倍；而我的本地电脑内存就只有16G，属于是刚好能用。这两天为了在开各种软件的同时还能流畅运行ragflow，我斥巨资给电脑加装了两条16G内存条（共32G）
加装之后果然流畅多了~
这期给大家分享一下这几天ragflow的使用感受，和适用场景。
内容主要有：
1.简单介绍本地部署流程；
2.知识库搭建，参数配置讲解；
3.ragflow的团队管理、权限控制；
一、ragflow本地部署
ragflow在github上面也是一个明星项目了，有高达42.8k的Star，得到大家的高度认可。
**Github地址：**https://github.com/infiniflow/ragflow.git
在这里直接下载源码包
无法访问GitHub的朋友，可以公众号后台私信：“ragflow” 获取最新源码包。
源码包解压之后，到如下路径 ragflow/docker
路径上输入cmd，回车，进入控制台，输入如下指令一键启动。
docker compose -f docker-compose.yml up -d
ragflow的镜像比较大，最大的有10G。最好开着魔法，会比较快，实在没有魔法的朋友可以参考这篇，配置国内镜像加速地址。
内有镜像加速地址配置方法
袋鼠帝，公众号：袋鼠帝AI客栈DeepSeek+dify v1.0.0，本地构建企业级AI应用平台，真的太香了~
部署完毕之后，查看容器状态，如果都是running状态，就代表启动成功。
访问本机 http://127.0.0.1，即可进入ragflow的操作界面。
二、ragflow知识库搭建
点击右上角头像->模型提供商
为了方便，咱还是配置使用硅基流动（因为里面有免费模型，模型全面，包含了知识库所需的索引模型、聊天模型、重排模型等等），还有DeepSeek V3 和 DeepSeek R1满血版，性价比高，最适合用来调式了。
当然如果想要使用中转站，也可以选择OpenAI-API-Compatible进行配置
PS：推荐一个中转站 https://kg-api.cloud/
右上角系统模型设置这里，就可以配置聊天、嵌入、重排模型
在知识库->创建知识库，进入如下页面，进行知识库参数配置
PS：知识库有两套参数，一套是文件解析，进入知识库所需的参数配置，另一套是用户提问，进行知识库检索的参数配置
上图就是进行文件入库所需的配置，文档语言选择中文，文档解析器，可选自带的DeepDoc，还可以选择一些带有视觉功能的大模型（推荐配置都豆包的pro模型，豆包的视觉识别效果亲测很不错）
嵌入模型选择硅基流动的BAAI/bge-m3即可。之前文章的知识库搭建案例里面都是用的txt文件，后续有好些朋友问我多字段的Excel表格文件怎么处理呢。
所以，今天我们就讲另外两个常见案例，用Excel文件、和pdf文件搭建知识库。
pdf知识库
不过我们先看pdf文件，这里我在小米官网下载了一份小米 su7 ultra的参数配置pdf
ragflow的解析方法有11种，每种选中之后，在右边都会展示其适用的文件、数据类型，根据需求进行灵活选择最适配的解析方法。
模型方面，我图方便就都选择硅基流动的模型了，解析方法采用了简单的分块方法。因为su7 ultra的参数配置pdf里面主要就是一些车辆参数，简单分块即可，不存在上下文丢失等问题
数据集->上传文件，直接上传
上传成功之后ragflow不是自动解析的，需要手动解析可以全选之后批量解析，或者选择单个文件进行解析
3分钟内解析完毕，查看详情，分了10个块，看效果感觉解析的还不错。
在聊天->新建助理->可以创建一个bot来关联su7 ultra参数知识库
模型设置这边可以指定模型，以及模型的参数，由于是需要检索回答su7 ultra的车辆参数，是个很严谨的场景，所以模型设置**“精确”**。
在下图，可以自定义系统提示词，不过ragflow会给个默认的。
**相似度阈值：**只有相似度分数高于这个阈值的文本块才会被保留；
关键字相似度权重：当设置为 0.7 时，关键词相似度的影响占 70%，剩余的 0.3（30%）则分配给向量相似度或重排序分数；
top N：大模型最终只能接收到前N个块的信息。
设置完成之后点击确定即可。接下来就开始测试啦~
效果如下图，说实话，随便测试了一些问题，回答是相当准确，当没有在知识库中找到答案时，也不会胡乱回答，非常精准。
特别是最后一段总结，我感觉确实把这辆车的亮点总结得非常到位！
最后一段总结，说得我都想买了 哈哈哈
但就是每句话都会说根据知识库内容xxxx然后回答的非常简短，以及机器味儿浓厚。
不过这肯定是系统提示词的问题，调一下会改善很多（不是今天的重点）。
说实话，ragflow的知识库效果确实惊艳，而且这还是在我没有调整任何参数的情况下，有点太恐怖了！
Excel知识库
测试了pdf，我们接下来试试用Excel看看效果。Excel的知识库配置，只需要特别把解析方法换成Table即可（别忘了点保存）。
我准备了一个表格，对应淘宝上 搜索“内存条”的前三页商品信息
表格原始内容，格式如下
上传之后，解析
挺快的，20秒内解析完毕，解析效果如下（按照一行一个块）表格中每列的列标题非常重要，一定要准确的描述清楚每一列所代表的含义！
然后，还是跟刚才一样，创建一个对话bot，将Excel知识库与之关联，就不重复赘述了。测试效果如下：
测试之后，我发现Table格式的知识库，需要更强大、智能的模型来支撑，比如DeepSeek R1、Claude3.7等。
因为表格的数据维度太多了，实测用DeepSeek V3效果不佳，无法智能的推荐商品。
并且相似度阈值和关键字相似度权重需要设置低一些（低于0.5），这样能拿到尽可能多的数据，给大模型判断。
三、ragflow的权限管理
我发现ragflow的权限管理很简单点击右上角头像->团队->邀请，要求填写被邀请对象的邮箱
这里需要填写已经在ragflow注册的邮箱账号。
点击确定后，被邀请人需要在团队页面点击同意，才会加入你的团队空间。
但是你作为团队管理员，并不能设置团队成员角色，默认只有一个normal角色。。。
而团队成员是无法看到管理员创建的bot，agent。
管理员也无法看到成员创建的bot、agent。
只有知识库能设置私有、或者团队。
如果设置为团队，那么团队所有成员都能共用这个知识库。
链图片转存中…(img-9iejRNdl-1746157447353)]
这里需要填写已经在ragflow注册的邮箱账号。
点击确定后，被邀请人需要在团队页面点击同意，才会加入你的团队空间。
但是你作为团队管理员，并不能设置团队成员角色，默认只有一个normal角色。。。
[外链图片转存中…(img-7RO2Afd0-1746157447353)]
而团队成员是无法看到管理员创建的bot，agent。
管理员也无法看到成员创建的bot、agent。
只有知识库能设置私有、或者团队。
[外链图片转存中…(img-kACD3SxQ-1746157447353)]
如果设置为团队，那么团队所有成员都能共用这个知识库。
总结一下， ragflow的权限控制并不细，无法控制单个bot、或者agent的权限。bot、agent是完全隔离的，只有知识库可控制私有或者共享。
如何学习AI大模型？
大模型的发展是当前人工智能时代科技进步的必然趋势，我们只有主动拥抱这种变化，紧跟数字化、智能化潮流，才能确保我们在激烈的竞争中立于不败之地。
那么，我们应该如何学习AI大模型?
对于零基础或者是自学者来说，学习AI大模型确实可能会感到无从下手，这时候一份完整的、系统的大模型学习路线图显得尤为重要。
它可以极大地帮助你规划学习过程、明确学习目标和步骤，从而更高效地掌握所需的知识和技能。
这里就给大家免费分享一份 2025最新版全套大模型学习路线图，路线图包括了四个等级，带大家快速高效的从基础到高级！
如果大家想领取完整的学习路线及大模型学习资料包，可以扫下方二维码获取
👉2.大模型配套视频👈
很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。(篇幅有限，仅展示部分）
大模型教程
👉3.大模型经典学习电子书👈
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（篇幅有限，仅展示部分，公众号内领取）
电子书
👉4.大模型面试题&答案👈
截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（篇幅有限，仅展示部分，公众号内领取）
大模型面试
**因篇幅有限，仅展示部分资料，需要的扫描下方二维码领取 **
扫一扫
1811
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
