VPS知识分享站RAGFlow 装好默认模型是空的，配置什么模型决定了检索效果——这是 2024 年 RAGFlow 出来后最常被踩的坑。RAGFlow 文档解析业界最强（复杂 PDF/表格/扫描件），但模型配错了检索效果就垮。下面按”配模型 → 配 Embedding → 配 Rerank → 性能调优”讲清楚。
我自己帮 3 个法律/金融团队搭过 RAGFlow——配错模型时 RAG 检索完全不靠谱，配对后文档问答准确率能到 90%+。模型选型是 RAGFlow 效果的天花板。
RAGFlow 需要配哪三类模型
RAGFlow 不像 Dify 那样接 LLM 就能用，它需要三类模型协同：
- Chat 模型（LLM）：负责最后生成答案，Qwen2.5 / DeepSeek 都行
- Embedding 模型：把文档切块转成向量，存进向量数据库
- Rerank 模型：检索后重排序，挑出最相关的 top-k
三类模型都要配，RAGFlow 才能完整跑通。
部署前准备
- VPS：RAGFlow 比 Dify 重（深度学习模型吃内存），4 核 8G 起步（萤光云美西 VPS ¥150/月起）；企业级数据量大升 8 核 16G + GPU 加速
- API keys：至少 1 个 LLM key（DeepSeek / Qwen），1 个 Embedding key（推荐 bge-large 或 m3e），可选 Rerank key
国内推荐组合：DeepSeek-V3 做 Chat + BAAI/bge-large-zh-v1.5 做 Embedding + BAAI/bge-reranker-v2-m3 做 Rerank（都能从 HuggingFace 或国内镜像下载）。
Docker Compose 部署
- SSH 到 VPS（4 核 8G 起步）
- 装 Docker + Docker Compose
- 拉 RAGFlow 仓库：
git clone https://github.com/infiniflow/ragflow.git - 进入 docker 目录：
cd ragflow/docker - 复制环境变量：
cp .env.example .env - 设置
HF_ENDPOINT（国内镜像）+MACOS=0（Linux 部署） - 启动：
docker compose up -d - 浏览器访问 80 端口，初始化 admin
注意：RAGFlow 第一次启动会下载 Embedding 模型（bge-large-zh-v1.5，约 1.5 GB），慢一些。
配置 Chat 模型
登录 RAGFlow 后台 → 模型设置 → LLM → 添加：
DeepSeek 配置：
- 模型类型：OpenAI-API-compatible
- API base：
https://api.deepseek.com/v1 - API key：你的 DeepSeek key
- 模型名：
deepseek-chat
Qwen 配置：
- API base：
https://dashscope.aliyuncs.com/compatible-mode/v1 - 模型名：
qwen-max或qwen-plus
配置 Embedding 模型
RAGFlow 自带 Embedding 模型列表，国内推荐：
- bge-large-zh-v1.5：智源开源，中文 RAG 标杆，免费，本地部署
- m3e：Moka 开源，中文 Embedding
- Qwen3-Embedding：阿里通义千问新出的 Embedding（API 调用）
本地部署选 bge-large-zh-v1.5，模型文件存到 RAGFlow 服务能访问的目录，配置里指定 model_path 即可。
配置 Rerank 模型
Rerank 是 RAGFlow 检索效果的关键——Embedding 检索出 top 50 候选，Rerank 重排到 top 3-5 给 LLM。推荐：
- bge-reranker-v2-m3：智源开源，中文 Rerank 强项
- bge-reranker-large：上一代，效果也很好
同样本地部署，把模型文件路径配到 RAGFlow 即可。
性能调优技巧
- 文档切块策略：法律/合同用”按章节切”、技术手册用”按代码块切”、财务报表用”按表格切”——RAGFlow 自动识别但你可以手动调
- 检索参数：top_k 从 50 调到 30、相似度阈值 0.4-0.6，多路召回比单路召回效果好
- Rerank 必开：不开 Rerank 检索准确率会差 20-30%
- 模型组合：Qwen2.5-Max 适合中文长文档问答、DeepSeek-R1 适合需要推理的复杂问答
常见问题 FAQ
Q1：RAGFlow 跑 4 核 8G 够吗？
够用，但开 bge-large Embedding 后内存吃紧，建议 4 核 8G + 充足 swap。生产环境升 8 核 16G + GPU 加速。
Q2：RAGFlow 一定要用 Qwen/DeepSeek 吗？
不一定。RAGFlow Chat 模型是 OpenAI 兼容接口，能接 GPT-4 / Claude / Gemini。Embedding 选 bge 系列，Rerank 选 bge-reranker 系列最稳。
Q3：RAGFlow 文档解析比 Dify 强在哪？
复杂 PDF（扫描件、表格、公式、多栏）RAGFlow 解析业界最强。Dify 用普通 OCR + 文本切片，RAGFlow 用 DeepDOC + 多路召回，文档问答准确率能高 15-20%。
Q4：RAGFlow vs Dify 怎么选？
文档复杂（金融/法律/技术）选 RAGFlow，应用搭建（多模型切换 + 工作流）选 Dify。两者常组合用：RAGFlow 做文档解析，Dify 做应用前端。
Q5：RAGFlow 跑 100 GB 文档需要多大配置？
4 核 8G + 200GB SSD 起步。文档越多 Embedding 计算时间越长，初次入库 100 GB 大约 8-12 小时。生产环境建议 8 核 16G + SSD + 数据库分离。
总结
RAGFlow 私有化 + 国内大模型 + 本地 Embedding/Rerank 是 2025-2026 国内复杂文档 RAG 最佳方案。配置三步：Chat 模型（DeepSeek / Qwen）+ Embedding（bge-large-zh）+ Rerank（bge-reranker）。文档切块策略 + Rerank 启用 + 模型组合是性能调优的三大关键。
如果刚开始做 RAGFlow，从”萤光云美西 4 核 8G + RAGFlow Docker + DeepSeek + bge-large-zh-v1.5″这个组合入手——4 核 8G ¥150/月起，跑 100 GB 文档知识库完全够用。
需要海外 VPS？萤光云美西 VPS 4 核 8G 体验型 ¥150/月起。
