从「能用」到「好用」：RAGFlow 对比示例
先说清楚它是什么：RAGFlow 属于「搜索与知识库」方向的开源项目，以深度文档理解为特色的开源 RAG 引擎。
下面用几组示意对比，说明同一任务里提示写法和流程不同会带来什么差别。
对比一：模糊指令 vs 明确指令
改之前：直接说「帮我带来源的快速调研」。结果往往泛泛而谈、格式随意。
改之后：写清材料、格式和验收标准：
请回答【问题】，每个关键结论后标注来源链接；如果不同来源说法不一，请分别列出；最后给出你认为最可靠的来源及原因。
变化（示意）：输出结构稳定，可以直接按「关键结论都有可点击来源」检查。
对比二：一次做完 vs 分步完成
改之前：把「构建问答测试集」的全部要求一次塞进去。改之后：先让它给出计划或大纲，确认后再逐步完成。变化（示意）：中途发现偏差可以及时纠正，返工更少。
根据手册编写 20 个用户可能问的问题及标准答案，标注答案所在章节，用来评估知识库检索效果。
对比三：不检查 vs 带检查点
改之前：拿到结果直接用。改之后：每次都对照「对比用同一批问题」检查，并让工具列出它不确定的地方。变化（示意）：问题在交付前被发现。
以上对比均为示意，用来说明方法差异，不代表具体的效率数字。
更多可以试的用法
资料卡片整理
准备材料：搜索得到的十几篇资料。
把这些资料整理成卡片：每张卡片包括一句话结论、关键数据、来源和可信度评价，最后按主题分组。
验收标准：每张卡片都有来源。
网页内容抓取
输入：一组需要定期关注的网页。
把这些网页转成 Markdown，去掉导航和广告，只保留正文、发布日期和作者；发布日期缺失时标注「未知」。
检查点：没有臆造发布日期。
内部文档入库
输入：一批 PDF、Word 和网页。
把这些文档解析为干净的文本：保留标题层级和表格，去掉页眉页脚，按章节切分，每段附上原文件名和页码。
检查点：切分后的段落能回溯到页码。
常见问题：搜索结果过时
限定时间范围，或在提问中注明需要最新信息并核对发布日期。
常见问题：表格内容检索不到
换用能保留表格结构的解析工具，或单独把表格转成文本描述。
常见问题：回答过于笼统
要求逐条引用原文，并限定只回答文档中有依据的内容。
概念补充：引用溯源
回答附带原文出处，便于核对。
概念补充：切分（Chunking）
把长文档拆成适合检索的小段，大小影响效果。
适合人群：客服人员
客服人员可以用 RAGFlow 处理回复草稿、工单分类等工作。需要注意：不得以 AI 名义做出政策外承诺，涉及隐私的问题按流程处理。
适合人群：记者编辑
记者编辑可以用 RAGFlow 处理采访整理、资料核查等工作。需要注意：事实必须多源核实，不得用 AI 生成虚构引语，遵守所在机构的 AI 使用规范。
注意事项
涉及个人信息、商业机密或受监管数据时，先确认 RAGFlow 的数据处理条款，再决定能否使用。
本文基于 RAGFlow 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。