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：
