RAG Embedding

🧠 RAG 嵌入模型

OneDocs 使用 RAG（检索增强生成）技术提升文档分析质量。本文介绍如何配置嵌入模型。

---

什么是 RAG？

RAG（Retrieval-Augmented Generation，检索增强生成）是一种将文档内容向量化后，让 AI 更精准理解文档结构和语义的技术。

简单来说：

• 不使用 RAG：AI 直接阅读全文，可能遗漏重要内容
• 使用 RAG：AI 先通过向量检索定位关键段落，再进行针对性分析，覆盖更全面

---

为什么需要配置？

嵌入模型会将文档内容转化为向量表示，帮助 AI：

1. 更精准地理解文档结构：识别章节、段落之间的关系
2. 更全面地覆盖内容：避免遗漏重要信息
3. 更高效地处理长文档：通过检索定位关键内容

💡 不配置嵌入 Token 也可以使用基本分析功能，但分析质量可能有所下降，尤其是长文档。

---

配置步骤

1. 获取 SiliconFlow Token

OneDocs 使用 SiliconFlow 的 BAAI/bge-m3 模型进行文本嵌入：

1. 前往 SiliconFlow 免费注册
2. 注册即送免费额度
3. 在控制台获取 API Token

💡 BAAI/bge-m3 为免费模型，注册赠送的额度足够日常使用。

2. 在 OneDocs 中配置

1. 进入「设置」→「通用」
2. 找到「🧠 RAG 嵌入模型配置」区域
3. 在输入框中填入你的 SiliconFlow API Token
4. 观察状态指示灯：
   • ✅ 绿色：配置成功，嵌入服务可用
   • ⚠️ 黄色：嵌入服务不可用，请检查 Token

3. 验证配置

配置成功后，状态指示灯会显示：

• 使用个人 Token：✅ 已配置个人 Token，嵌入服务可用
• 使用免费额度：✅ 使用开发者提供的免费额度，剩余次数：XX

---

工作原理

上传文档 → 文本分块 → 嵌入向量化 → 向量存储
                                          ↓
分析请求 → 检索相关段落 → 组合提示词 → AI 生成结果

1. 文本分块：将文档按段落和语义切分为小块
2. 嵌入向量化：使用 BAAI/bge-m3 模型将文本块转化为向量
3. 检索增强：分析时，先检索与任务最相关的文本块
4. 组合提示词：将检索到的内容与任务提示词组合，发送给 AI 模型

---

常见问题

Q: 不配置嵌入模型能用吗？

可以。不配置嵌入模型时，OneDocs 会使用全量分块策略（按页面顺序逐块分析），仍可正常完成分析。但分析质量可能不如启用 RAG 时好，尤其是对长文档。

Q: 嵌入模型会消耗我的 API Key 额度吗？

不会。嵌入模型使用的是 SiliconFlow 的独立 Token，与你配置的分析模型 API Key 是分开的。

Q: 免费额度用完了怎么办？

• 注册新的 SiliconFlow 账号获取新额度
• 或充值 SiliconFlow 账户继续使用
• 也可以不使用嵌入功能，基本分析仍可正常进行

Q: 嵌入数据会上传到服务器吗？

嵌入向量化的过程会通过 SiliconFlow API 进行，文档的文本内容会发送到 SiliconFlow 的服务器进行向量化。但 OneDocs 不会存储或转发你的文档内容到其他服务器。