构建 RAG 系统：基于 Qwen3 Embedding 的实践
RAGFlow 是一个基于深度文档理解的开源 RAG（检索增强生成）引擎。 与 LLM 集成后，它能够提供真实的问答功能，并以来自各种复杂格式数据的可靠引用为支撑。
本教程采用算力资源为「双卡 RTX 6000」，具体包含以下内容：
一、启动 RAGFlow 服务器（见 README.md 文件）
二、创建一个知识库（见 Knowledge.md 文件）
三、根据您的知识库建立 AI 聊天（见 Chat.md 文件）
四、开启第一个 Agent（见 Agent.md 文件）
五、交流探讨
一、启动 RAGFlow 服务器
本教程已为 RAGFlow 的服务配置完毕，您无需自行部署，启动容器后，可直接点击 API 地址访问。
注意：模型文件较大，稍等容器启动 5-6 分钟后访问，否则将显示「Bad Gataway」！登录信息如下：
- 👤 用户名：
admin@123.com - 🔑 密码：
123456
—
二、创建一个知识库
本步骤中，您可以将文件上传到 RAGFlow 中的知识库，并将其解析为数据集。为便于本教程测试，已为 Agent 和 Chat 教程预配置了相应知识库。用户可直接使用默认配置，亦可按照下面流程上传并自定义配置知识库。
📖 了解更多
点击此处查看完整操作指南。
三、根据知识库建立 AI 聊天
RAGFlow 中的对话基于一个或多个特定知识库。创建知识库并完成文件解析后，即可开始 AI 对话。
📖 了解更多
点击 👉 此处查看完整操作指南。
四、开启第一个 Agent
代理和 RAG 是互补的技术，在业务应用中相互增强。**RAGFlow v0.8.0 引入了代理机制，**可通过配置不同代理更好的满足用户需求。
📖 了解更多
点击 👉 此处查看完整操作指南。
五、交流探讨
🖌️ 如果大家看到优质项目，欢迎后台留言推荐！另外，我们还建立了教程交流群，欢迎小伙伴们扫码备注【SD 教程】入群探讨各类技术问题、分享应用效果↓
