检索增强生成（RAG）技术正逐渐成为解决数据处理和答案生成难题的关键力量。青云科技旗下 AI 算力云服务——基石智算CoresHub 通过高度标准化的平台与应用集成，持续降低 AI 创新的技术门槛，支持包括 RAGFlow 在内的多方平台，灵活调用模型，将大模型与 RAG 技术相结合，帮助用户实现更智能、更高效的应用开发与部署。
本文将以智算平台上大模型服务中的 DeepSeek-R1 为例，向用户介绍如何在 RAGFlow 中添加并使用平台提供的模型服务。
RAGFlow 是一款基于 文档理解的开源检索增强生成（Retrieval-Augmented Generation，RAG）引擎。旨在通过 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：
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。
步骤一：获取 API 密钥和域名
1.注册并登录基石智算。
2.在顶部导航栏，选择产品与服务 > 大模型服务 > 大模型服务平台。
3.进入大模型服务管理页面，在左侧导航栏中选择 API 密钥管理，创建并获取 API 密钥。
说明：
若平台内无可用的 API 密钥，用户可参考创建和获取新的 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。
4.用户可在左侧导航栏选择在线推理服务，点击目标模型卡片页中的 API 文档，查看预置模型 API 服务接口路径，即为模型的 API 域名。
说明：当前平台上的预置模型的 API 域名为，用户可直接 使用无需修改。
步骤二：配置模型服务
1.访问 RAGFlow 系统地址，输入账号密码后登录。
前提：请确保已经安装 RAGFlow。
2.点击右上角用户头像，在左侧导航栏选择模型供应商，并点击 OpenAI-API-Compatible。
3.在弹出的添加 LLM 窗口中，配置各项参数，点击确定即可。
注意：
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。
步骤三：创建知识库
1.在顶部导航栏中，选择知识库页签，点击创建知识库，在弹出提示窗口中，输入名称，点击确定即可。
2.进入知识库配置页面，设置各项参数，点击确定。
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。
3.在新建的知识库页面，点击左侧导航栏中的数据集，点击右侧新增文件，在弹出的上传文件窗口中，选择本地文件，点击确定。
4.等待文档上传完成，点击目标文件所在行的开始按钮，进行解析。
5.待解析成功后，用户即可查看分片情况。
步骤四：构建应用
1.在顶部导航栏选择聊天页签，并点击新建助理。
2.在聊天配置页签中，完成助理设置各项参数的配置，点击确定。
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。
3.进入提示引擎设置页签，配置更多信息，此配置为可选项，用户可根据实际情况进行修改或保持默认，配置完成后，点击确定。
4.进入模型设置页签，模型参数选择前文中添加的大语言模型，其他参数根据实际情况修改或保持默认，点击确定。
5.返回聊天页面，选择新建的聊天助理，点击 + ，发起新的聊天窗口，即可进行对话。
