目录

一、前言

二、RAGflow 介绍

2.1 RAGflow 是什么

2.2 RAGflow 核心特点与优势

2.2.1 RAGflow 核心特点

2.2.2 RAGflow 优势

2.3 RAGflow 应用场景

2.4 RAGflow 与其他同类产品对比

2.4.1 MaxKB

2.4.2 Dify

2.4.3 FastGPT

2.4.4 RagFlow

2.4.5 Anything-LLM

三、RAGflow 搭建与使用

3.1 环境准备

3.1.1 服务器配置

3.1.2 docker环境

3.1.3 修改max_map_count

3.2 基于docker部署RAGFlow操作过程

3.2.1 获取RAGFlow安装包

3.2.2 修改配置文件

3.2.3 启动服务

3.2.4 web页面访问

3.3 RAGFlow基本使用

3.3.1 添加Embedding模型

3.3.2 创建Dataset

3.3.3 验证并使用

四、写在文末

一、前言

在AI大模型发展热火朝天的2025年，各个厂商的大模型都在飞速的抢占市场。在企业使用大模型进行实际业务落地过程中，尽管大模型带来了很多业务场景价值的延伸，以及日常工作提效，但是在私有化大模型落地过程中，大模型使用中仍然存在一些问题，比如联网检索时回答的问题发散，不够精准，大模型幻觉问题，给出的检索结果与企业自身实际期望的结果存在差距等，这些问题都可以通过专业的RAG知识库来辅助解决，本文将介绍一款开源RAG的RAGflow使用。

二、RAGflow 介绍

2.1 RAGflow 是什么

RAGFlow是一个基于深度文档理解的开源RAG（检索增强生成）引擎。简单来说，它能够"读懂"你的各种文档，并基于这些文档内容进行智能问答，就像拥有了一个对你所有资料都了如指掌的智能助手。官方地址：

转载自CSDN-专业IT技术社区

原文链接：https://blog.csdn.net/zhangcongyi420/article/details/156731877