RAGFlow 调用 DeepSeek，青云让用户轻松突破智能检索、知识管理难题

RAGFlow 是一款基于深度文档理解的开源检索增强生成（Retrieval-Augmented Generation，RAG）引擎。旨在通过深度文档理解技术，解决现有 RAG 技术在数据处理和生成答案方面的挑战。

RAGFlow 具有如下功能特点：

● 深度文档理解。

● 可控可解释的文本切片。

● 可视化文本处理过程。

● 兼容多种异构数据。

● 自动化边界的 RAG 工作流。

● 支持多种 LLMs 和向量模型。

● 若平台内无可用的 API 密钥，用户可参考http://docs.coreshub.cn/console/big_model_server/api_key/create_api_key 创建和获取新的 API 密钥。

● 若平台内已有可用的 API 密钥，用户可直接将鼠标悬停在指定密钥上，点击 API 密钥右侧的复制按钮，即可获取完整的 API 密钥。

● 每次只能添加一种模型类型，即 chat 和 embedding 模型不能同时添加。

● 如需添加不同类型模型，可完成一种模型的添加后，选中相应的模型供应商后，点击添加模型，进行再一次的添加。

● 模型类型：根据待添加的模型，选择相应的类型。若添加 DeepSeek-R1 模型则选择 chat，若添加基石智算平台上的 bce-embedding-base_v1 模型则选择 embedding。

● 模型名称：填写待添加模型的名称即可，若需使用平台内其他模型，用户仅需在智算平台的在线推理服务页面，复制得到相应模型名称即可。

● 基础 url：直接填写 https://openapi.coreshub.cn/v1 即可。

● API-Key：用户在获取 API 密钥中复制得到的完整 API 密钥，需根据实际情况进行修改。

● 最大 token 数：根据所选择模型支持的最大数量填写。

● 其他参数，根据实际情况设置或保持默认即可。

● 知识库名称：用户自定义。

● 文档语言：本实践中选择中文。

● 嵌入模型：选择前文也成功添加的 embedding 类型的模型。

● 解析方法：根据实际需要选择相应的解析方法即可。

● 其他参数：根据实际情况进行设置或保持默认即可。

● 助理姓名：用户自定义。

● 设置开场白：用于设置聊天助理回复问题时的首句话，用户自定义。

● 知识库：选择前文新建的知识库即可。

● 其他参数，用户根据实际情况进行修改或保持默认即可。