以深度文档理解为特色的开源 RAG 引擎——这是 RAGFlow 最主要的用途，也是本文讨论的前提。

这篇写给客服人员：围绕回复草稿、工单分类和知识库整理这几类日常工作，说明它能帮上什么忙、怎么用、哪些地方必须自己把关。

客服人员的三个高频用法

1. 回复草稿

可直接复制到 RAGFlow 里修改：

根据这张工单写回复草稿：复述客户问题，说明处理步骤和预计时间，必要时请客户补充订单号。语气诚恳，不承诺政策外的补偿。

把关：回复没有越权承诺。

2. 工单分类

提示词示例：

把这 50 张工单按问题类型分类，标出情绪激烈需要优先处理的，以及疑似同一故障的集中反馈。

把关：集中反馈被识别。

3. 知识库整理

在 RAGFlow 中可以这样提：

根据这些高频问题和已有答复，整理 10 条知识库条目：标准问题、相似问法、答案、更新日期。

把关：答案与现行政策一致。

也可以试试：带来源的快速调研

这是「搜索与知识库」类工具的通用任务，客服人员同样用得上。

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。

边界与合规

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。

  • 产出由客服人员本人负责，AI 只是草稿和辅助。
  • 对外内容发布前至少看一遍。
  • 如单位有规定的工具清单，优先在清单内选择；RAGFlow 的同类还有 Dify、FastGPT。

一周试用建议

选一个最常做的任务连续用 5 个工作日，记录每次节省的时间和需要修改的地方，再决定是否把 RAGFlow 纳入日常流程。

补充练习

检索效果对比

准备材料：同一批问题和两种检索配置。

用同一批测试问题分别跑关键词检索、向量检索和混合检索，记录前 5 条结果中正确段落的命中情况。

检查点：对比用同一批问题。

资料卡片整理

输入：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。

检查点：每张卡片都有来源。

网页内容抓取

准备材料：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」。

交付前确认：没有臆造发布日期。

常见问题：中文检索效果差

选择对中文支持好的嵌入模型，并为专有名词建立同义词。

常见问题：答案引用了错误段落

调整切分大小、加入重排序，并检查文档解析是否丢失标题。

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：重排序（Rerank）

对初步检索结果再次打分排序，提升相关性。

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。

所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。

延伸阅读