RAGFlow 切片踩坑笔记（中文入门整理）

[ybak]

最近用 RAGFlow 搭售后知识库，记了几条「别再瞎堆向量库」的踩坑笔记，分享给同样在做中文知识库的同学。核心结论一句话：

答歪了，问题常常不在模型，在解析和切片。

背景案例很常见：50 页售后政策 PDF + FAQ Excel + 物流公告 HTML，直接「整本切了丢进向量库」。客服一问「这批货什么时候能到」，模型开始编估计、甩锅到物流页，或者来一句「请耐心等待」。结构丢了、切片断了，问答自然漂。

下面三条是我整理时反复踩到、也反复修回来的点（对照官方文档口径与中文教程书架里的章节结构，不展开未实测的界面细节）：

1. 切片方法先看素材形态，选错往往「安静切坏」

不同文档别共用一套「按字数硬切」。手册类、表格类、问答对、短公告，形态不同，切片策略就该不同。
常见坑：问答表被切成语义碎片；有标题层级的政策手册被切成无结构文本块——通常不报错，但检索结果会悄悄变差。
低成本试错法：先传一两份样本 → 跑 Retrieval Testing → 再全量上传。改完配置要记得重解析，否则你会以为「调了但没生效」。

2. 复杂 PDF / 表格：解析质量决定上限

含表格、扫描、多栏版面的 PDF，省事路线（整本切片）最容易丢表结构。RAGFlow 侧更合理的路径是：先靠文档解析把文本与结构提出来（官方 DeepDOC 等解析能力面向 OCR / 表格 / 版面），再按标题层级或表格行语义成片。
售后场景里，「物流时效表」能不能被完整召回，往往比换一个更大的聊天模型更管用。

3. 入库之后先做检索测试：向量 + 全文混合，别只看聊天窗口

切片入库 ≠ 问答可用。先在数据集的检索测试里用真实用户问法跑一轮，看目标片段能不能召回、排序是否靠前。
混合检索（向量相似度 + 关键词 / 全文）对中文专有名词、单号、表头字段往往更稳；有坏案例时，先三分定位——没命中 / 命中但排序差 / 命中却答错——再决定是回切片、回调参，还是改 Prompt。别一上来只拧聊天侧旋钮。

---

我把「部署 → 数据集 → 解析切片 → 检索调优 → 助手 / 画布 Agent → API·MCP」这条链路，整理成了开源中文教程《RAGFlow: 从入门到进阶》（13 章，贯穿案例是售后知识底座 after-sales-kb），方便中文读者按章对照官方文档自学：

• 在线阅读：https://ybak.github.io/ai-tutorial/ragflow/
• 书架首页：https://ybak.github.io/ai-tutorial/
• 源码与书稿：https://github.com/ybak/ai-tutorial

若对你有帮助，欢迎给仓库点个 Star，也欢迎在讨论里补充你们团队的切片经验（尤其是中文手册 / 表格类素材）。一起把「能答准」的知识库经验沉淀下来。

[JinHai-CN]

Thanks for putting this together and sharing it with the community. RAGFlow is a global community and our discussions are in English, could you please post in English here so more contributors can follow and take part? Your Chinese tutorial is a great resource for Chinese-speaking users — you're very welcome to link it, perhaps with a short English summary of what it covers.

[ybak]

Thanks a lot for the kind reply and the guidance! Sorry for posting in Chinese at first.

Quick English summary: ai-tutorial is a free, hands-on tutorial series on building AI apps. The RAGFlow part walks through deployment, document parsing and chunking choices, knowledge base setup, and the retrieval tuning pitfalls we hit along the way.

Link (Chinese for now): https://ybak.github.io/ai-tutorial/

Going forward, we'll keep improving the documentation quality and work on multilingual versions, starting with English. Feedback from the community is very welcome!