自主式 Rag

宋涛发布于 2025-08-20 收录于 Langchain

Rag 自主式 RAG

RagFlow ORM

宋涛发布于 2025-08-20 收录于 Langchain

上一节我们介绍了 RagFlow 中的表，这一节我们来介绍 Ragflow 中的表操作。Ragflow 将表操作定义在了不同的 Service 中，这些 Service 定义在 api\db\services。

1. api\db

首先我们来看一下 api\db 的结构。

Rag LLM 使用

宋涛发布于 2025-08-20 收录于 Langchain

1. LLM 参数配置

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


{
    "temperature": 0.5,
    "top_k": 50,
    "top_p": 0.9,
    "repetition_penalty": 1.2,
    # 对数几率偏差，永久调整 token 被选中的概率，比如说避免脏话
    "logit_bias":  {   
        "50256": -100
    }
}

这些参数通常出现在基于生成模型的 LLM（大语言模型） API 请求中，用于控制生成文本的多样性、质量和风格。下面逐一解释这些参数：

Rag 检索增强的方法

宋涛发布于 2025-08-20 收录于 Langchain

1. 文本分块

智能分块的方法:

语义分块: 需要计算每一个句子与前一个句子的相似度，如果相似则合并为一个分块。
基于大语言模型的分块: 使用大语言模型直接对文本进行分块
上下文感知分块: 无论哪种分块策略，都可以使用大语言模型为每个分块添加上下文，比如给分块添加总结文本解释其在整个文档中的作用、标签信息、提问信息。

2. 查询语句解析

为了优化搜索，检索器可以解析提示词，以识别意图，并对其编辑、重写，或者彻底转换提示词，以优化检索效果。

Rag 信息检索理论

宋涛发布于 2025-08-20 收录于 Langchain

1. 检索核心技术

现代检索系统主要采用两种搜索技术

语义搜索(Semantic Search): 通过理解文档含义进行匹配
关键词搜索(Keyword Search)

RagFlow 中的表

宋涛发布于 2025-08-20 收录于 Langchain

在深入到具体业务代码之前，我们先来看看 ragflow 都定义了哪些表。

1. Ragflow 定义的表

Ragflow 定义了以下表，这些表位于 api\db\db_models.py

表名	主要字段/关联	作用说明
user	`id,email,language,timezone`	用户账号信息与登录属性
tenant	`id,llm_id,embd_id,asr_id,img2txt_id,rerank_id`	租户/工作区，默认模型与额度配置
user_tenant	`user_id,tenant_id,role`	用户与租户的关系与角色
invitation_code	`code,user_id,tenant_id`	邀请码与受邀记录
llm_factories	`name,tags,logo`	模型厂商目录
llm	复合主键(`fid,llm_name`), `model_type,tags,is_tools`	厂商下具体模型清单与能力标签
tenant_llm	复合主键(`tenant_id,llm_factory,llm_name`), `api_key,api_base,max_tokens`	租户绑定的具体模型配置（包含 API Key、Base URL、额度等）
tenant_langfuse	`tenant_id,host,public_key,secret_key`	租户的 Langfuse 观测配置
knowledgebase	`id,tenant_id,language,embd_id,parser_id,parser_config,pagerank`	知识库元数据与默认解析/检索参数
document	`id,kb_id,parser_id,parser_config,name,location,size,progress`	文档元数据、解析进度与统计
file	`id,parent_id,tenant_id,name,location,size,type`	文件/文件夹元信息（资源管理）
file2document	`file_id,document_id`	文件与文档映射关系
task	`id,doc_id,from_page,to_page,progress,retry_count,digest,chunk_ids`	文档解析任务与进度、重试和产物
dialog	`id,tenant_id,llm_id,rerank_id,prompt_config,llm_setting,top_k,kb_ids`	对话应用配置（检索+生成）
conversation	`id,dialog_id,user_id,message,reference`	某对话应用下的会话与消息摘要
api_token	复合主键(`tenant_id,token`), `dialog_id,source,beta`	API 访问令牌（可绑定应用/来源）
api_4_conversation	`id,dialog_id,user_id,tokens,duration,round,errors,source`	API 调用产生的会话与用量/错误日志
user_canvas	`id,user_id,title,permission,dsl`	用户画布（编排/工作流）实例
canvas_template	`id,title,canvas_type,dsl`	画布模板库
user_canvas_version	`id,user_canvas_id,title,description,dsl`	画布版本历史
mcp_server	`id,tenant_id,name,url,server_type,headers,variables`	MCP Server 注册与调用配置
search	`id,tenant_id,name,search_config`	独立搜索配置（跨 KB/Doc、检索/重排/高亮等）

按照相关性，这些表可以分为: