首次进入RagFlow，在登录页面点击"注册"输入任意邮箱和密码（本地注册，无需真实邮箱），直接点击"注册"按钮进入系统
1、添加嵌入（Embedding）模型
首先，在模型管理中，确保至少有一个Embedding模型已经启动
第一步：、我们先添加模型供应商：
点击右上角的头像，然后选择左侧模型供应商
搜索OpenAI-API-Compatible模型供应商，然后点击添加。
首先我们添加Embedding模型，按照上图设置，http://host.docker.internal:1278/v1
模型供应商：OpenAI API compatible
模型类型：embedding
模型名称：novarag
基础URL：http://host.docker.internal:1278/v1
API-Key：（留空）
最大token数：512
2、添加聊天模型
然后确保至少有一个聊天模型已经启动，我们选择Qwen3.5-35B
其次我们添加Chat模型，按照上图设置，http://host.docker.internal:1234/v1
模型类型：chat
模型名称：nova
基础URL：http://host.docker.internal:1234/v1
API-Key：（留空）
最大token数：30000
是否支持Vision：关闭（根据模型能力调整）
3、配置默认模型
按照上图配置默认模型后点击确定
4、添加知识库并且配置pdf解析器
然后我们来创建知识库，按照上图设置
点击"知识库" → “创建知识库”，输入知识库名称（如：test），
选择配置选项：
PDF解析器：Naive（务必选这个解析器，否则会卡住解析进度！！！）
嵌入模型：选择已配置的embedding模型
切分方法：General
语义文本最大块：512
文本分片段识别：\n
文档上传与处理
支持的文档格式：PDF、DOCX、TXT、MD、XLSX
上传步骤：
-
点击"上传"按钮
-
选择本地文档文件
-
点击开始解析
-
查看处理状态（绿色表示成功）
小提示：第一次解析，请尝试用一个小文件测试，成功后再批量导入文件，以免因配置问题，大量卡住文件。
如果长时间解析没有进度，可能是rag系统卡住了，这时候需要手动暂停全部的解析文件，并且按照下图找到Ragflow的容器（container），然后点击右边的垃圾桶图标，删除容器后，再到NovaStudio中，重新启动Ragflow
5、使用Ragflow进行对话
创建聊天助手
基本配置：
-
点击"聊天" → “聊天助手”
-
点击"创建助手"按钮
-
填写助手信息：
聊天模型：选择已配置的chat模型
知识库：选择要关联的知识库
使用默认的系统提示词配置
接下来点击新建聊天，就可以开始对话了