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。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是一款基于深度文档理解的开源检索增强生成(Retrieval-Augmented Generation，RAG)引擎。旨在通过深度文档理解技术，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：

　　深度文档理解。

　　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(coreshub.cn)。

　　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

　　http://docs.coreshub.cn/console/big_model_server/api_key/create_api_key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https://openapi.coreshub.cn/v1，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。

　　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https://openapi.coreshub.cn/v1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。