RAGFlow 知识库怎么配置才能让文档被准确检索
RAGFlow 的知识库配置，本质上要解决三件事：文档能不能被正确解析、内容能不能被正确向量化、提问时能不能召回相关片段。
这三步任何一步出问题，表现都是“上传了文档但答不上来”。
下面按实际配置顺序讲清楚每一步做什么、在哪里做、怎么确认成功。
配置前需要确认的基础条件
RAGFlow 是带文档解析能力的 RAG 平台，知识库依赖嵌入模型把文本转成向量。
开始建库之前，先确认两件事：
- 服务能正常访问：浏览器能打开 RAGFlow 的 Web 界面并登录账号。
- 有可用的嵌入模型：在模型供应商设置中已经配置好至少一个 embedding 模型，并且状态可用。没有嵌入模型时，知识库无法完成向量化，检索也就无从谈起。
如果是本地部署，嵌入模型可以用本地推理服务提供，也可以接入云端 API，取决于你的部署方式。
具体模型名称和接入参数以你实际部署的版本和供应商文档为准，不要照搬他人的配置项。
创建知识库并选对分块方法
进入知识库页面后新建知识库，核心选项是分块方法（chunk method）。
它决定文档被切成什么样的小块，直接影响后续检索质量。
- 通用文档：适合普通文本、Word、PDF 等常规资料，是多数场景的默认选择。
- 表格类：资料以表格为主时选择对应方法，避免表格被切碎后丢失行列关系。
- 问答类：资料本身是成对的问题和答案时使用，能保留问答结构。
选错分块方法的典型后果是：内容被切得过于零碎，检索时召回的片段缺少上下文，模型回答自然不准确。建议先用一小批代表性文档试跑，确认效果后再批量导入。
创建知识库时还需要确认嵌入模型已经绑定。
如果界面提示没有可用模型，回到模型设置补配，而不是继续上传文档。
上传文档并确认解析完成
上传文档后，RAGFlow 会执行解析和分块，这一步需要时间，文档较多的批次尤其明显。
操作顺序：
- 在知识库内点击上传，选择文件。
- 提交后等待解析状态变为完成，不要在上传后立刻提问。
- 打开文档详情，检查解析出的文本块是否完整、是否出现乱码或大量空白块。
解析结果可以直接看出问题：如果文本块内容错乱，说明解析环节有问题，此时调检索参数没有意义。
扫描版 PDF 或图片型文档通常需要先做 OCR 处理，否则解析出来可能是空的。
检索参数怎么调
文档解析正常后，如果提问仍然召回不准，再调整检索相关参数。
常见可调项包括：
- 相似度阈值：阈值过低会召回大量无关片段，过高则可能什么都召回不到。
- 召回数量（Top K）：返回片段太少容易漏掉关键信息，太多则引入噪声。
- 关键词与向量的混合权重：部分版本支持混合检索，需要根据资料特点权衡。
调整原则是一次只改一个参数，改完立刻用同一组问题复测，否则无法判断是哪个改动起了作用。
不要在没有验证的情况下同时大改多个参数。
用提问验证配置是否生效
验证方式很直接：在对话或检索测试中提问，检查返回结果。
- 问一个答案明确写在文档里的问题，看回答是否引用了对应片段。
- 问一个文档中没有的问题，看系统是否如实说明没有相关信息，而不是编造内容。
- 打开引用来源，确认召回片段确实是回答所依据的原文。
如果回答引用的是无关片段，回到分块方式和相似度阈值排查；
如果完全召回不到，优先检查嵌入模型是否配置正确、文档是否真正完成解析。
容易踩的几个坑
- 跳过嵌入模型直接建库：没有可用嵌入模型时，上传的文档无法完成向量化，检索不会生效。
- 上传后马上提问：解析尚未完成，此时检索结果为空是正常现象。
- 所有资料用同一种分块方法：表格、问答、长文档混在一起，切块质量参差不齐。
- 只改参数不看解析结果：解析本身出错时，调参只是徒劳。
配置完成后，建议保留一组固定的测试问题，后续修改模型或分块方式时用同一组问题复测，这样能快速判断改动是否让检索变好还是变差。
常见疑问
知识库配置好之后，换嵌入模型需要重新解析文档吗？
通常需要重新向量化，因为旧向量是基于旧模型生成的，与新模型的向量空间不兼容。具体操作方式以你使用的版本界面为准。
文档解析一直停在处理中怎么办？
先检查解析服务是否正常运行，再确认文档格式是否受支持。大文件或扫描件耗时更长，可以先单独上传一个小文档验证流程是否通畅。
知识库里文档很多，检索却总召回不相关内容？
优先检查分块是否过碎、相似度阈值是否偏低，以及是否把不同主题的资料混在同一个知识库中。按主题拆分知识库往往比单纯调参更有效。
