本文介绍了开源RAG引擎RAGFlow，它能够解析PDF、Word、Excel等复杂文档，并将其存储为知识库，方便员工提问时大模型查找资料并给出答案。RAGFlow支持多种文档格式，提供多种切分方式，答案可溯源，并能与企业常用软件如钉钉、企微、飞书等集成。此外，RAGFlow还支持多人协作和权限管理，适用于企业级知识库搭建。

现在AI越来越牛了，我们的很多工作方式、习惯可能也慢慢变了，之前用的习惯的一些工具很多都打开的少了，不知道你们有没有这样的感觉？

因为AI自动化确实很方便，我们一直想找一个企业级的AI知识库项目，管理公司内部和自己的各类文件，省的面对一大堆文件用的时候想不起来，想起来的时候找不到。

最近在尝试 RAGFlow，感觉确实很可以，值得单开一篇聊聊它。当然，RAGFlow 不止是可以做知识库，但这篇只讲一件事：拿它做企业知识库，行不行。

RAGFlow 是什么

开源 RAG 引擎，干的活一句话说得完：把公司那堆 PDF、Word、Excel、扫描件解析出来，切块存好，员工提问时大模型先翻资料再张嘴，答完把出处贴上。

几个硬信息：

• Star 8.6 万，Apache 2.0，商用不收钱
• Docker 私有化部署，数据不出内网
• 国内团队做的，中文文档和中文社区都是现成的

功能详情

复杂文档也能喂进去

企业的文档有多乱，干过的都懂。扫描的合同、跨页的财报、双栏的手册，还有不知道哪年传下来的 PPT，字体都嵌死的那种。

多数知识库工具拿 PDF 就是抽文字，碰上这些直接抓瞎。RAGFlow 不一样，它能看懂版面：哪是标题哪是正文分得开，表格里的行列、表头、合并单元格认得出，扫描件上的字也能读出来。Word、Excel、PPT、图片、网页，都能直接传。

文档怎么切，自己能做主

文档存进知识库之前要切成小块，切得好不好直接决定答得准不准。RAGFlow 给了十几种切法，合同、简历、论文、表格各有各的切法，传文件的时候选一个就行。

切完的块全部摊开给你看，哪一块来自第几页，切得不好就手动改。知识库答得烂的时候，多数工具让你干着急，它能让你知道烂在哪。

每个答案都能点回原文

员工问一个问题，它答完会附上出处，点一下跳回原文，哪份文件第几页哪一段，摆在那。

这个非常重要，AI给的答案不能查看引用文档的出处的话，心里总觉得不踏实，毕竟AI的准确率不能做到100%。

文档找得准

它找文档既看关键词也看意思，找到之后再筛一遍，把最相关的排在前面喂给大模型。问题涉及好几份文档的，也能串起来答。

这些我们不用管，都是自动的，我们只要知道一点：同样一批文档，它捞出来的内容比多数工具准，答非所问的情况少很多。

直接挂进钉钉、企微、飞书

知识库做好了，可以直接挂进钉钉、企业微信、飞书，员工在天天用的软件里直接问，不用多装一个 App，也不用多记一个网址。

挂进去不用写代码，后台填几个参数就行。

公司文档不用搬家

文档本来就在 Confluence、Notion、S3、Google Drive 里的，可以直接连上同步，有新文件自动更新进知识库，不用导出导入折腾一轮。

多人用，也可以管得住

可以拉团队一起用，谁能看哪个知识库、谁能用什么模型，都能按角色控制。几个部门挤一套部署，互相不干扰。

不止能问答

它还带一个 Agent 画布，拖着鼠标就能编流程：查完知识库再跑段代码算个数，或者顺手开个网页查点实时信息，都能编出来。

做开发的同事还能通过 MCP 把知识库挂到 Claude Code 这类工具里，写代码的时候直接查公司文档。

快速开始

先说配置：CPU 4 核起，内存 16G 起，硬盘 50G 起，Docker 24.0.0 往上。

这点是硬伤，RAGFlow 不是轻量级的产品，它实现的功能非常多，相对应的对硬件要求也高，8G 的机器起都起不来。

先调一个系统参数，它内部的搜索组件对这项有要求：

sysctl vm.max_map_count sudo sysctl -w vm.max_map_count=262144

重启会丢，想留住就写进/etc/sysctl.conf。

然后拉代码、起服务：

git clone https://github.com/infiniflow/ragflow.git cd ragflow/docker docker compose -f docker-compose.yml up -d

有显卡的话，在.env里加一行DEVICE=gpu再起，文档解析会快不少。注意安装包只有 x86 版本，ARM 机器得自己构建。

起完看一眼日志：

docker logs -f docker-ragflow-cpu-1

看到Running on all addresses才算起好，没起完就开浏览器，会报network abnormal，这个不是错误，等等它拉起服务就好了。

好了之后，浏览器敲http://服务器IP，默认 80 端口。注册管理员账号，进去配模型。DeepSeek、Kimi、GPT、Gemini 这些主流的都能接，内网不能出网的，也可以挂本地模型。配完建知识库、传文件、拉人，齐活。

不想自己运维的，官方有云版cloud.ragflow.io可以直接试。要求数据不出内网的公司就别考虑了，老老实实自己部署。

使用场景

• 制度和合同库： 几百份文件扔进去，员工直接问，答错能追回到原文哪一条。
• 表格多的场景： 财报、研报、招投标文件，表格能认结构，比别的工具靠谱一截。
• 客服和 IT Helpdesk： 挂进钉钉企微飞书，员工在哪它在哪。
• 存量文档盘活： 文档本来就在 Confluence、Notion 里的，同步进来就能用。
• 查完还得干活的场景： 答完问题跑段代码、开个网页查实时信息，Agent 画布编得出来。

我的看法

文档乱、要私有化、答案要经得起追问，三条占两条，RAGFlow 就是开源里的第一选择，国产项目里我觉得用它搭建AI知识库可以做首选。

企业知识库的命门在解析和溯源，它在这方面做的非常好，多少工具到现在还在拿抽文本凑合。

也有一些缺点：

1. 1. 对硬件要求比较高

2. 2. 功能非常多，对应着配置项跟着多，第一次用的话，上手比较困难。

3. 3. 有权限管理，但跟成熟的商业产品比还糙，管控要求高的团队自己验一遍。

有运维能力、文档又乱又多的团队，直接上，别犹豫。十几个人传几份 PDF 随便问问的，它比需要的重，犯不上。

开源地址

https://github.com/infiniflow/ragflow

最后

2026年技术圈的分化愈发明显：降薪裁员潮持续蔓延，传统开发、测试等岗位大批缩水，不少从业者陷入职业焦虑；与之形成鲜明对比的是，AI大模型相关岗位迎来疯狂扩招，薪资逆势飙升150%，大厂更是直接开出70-100W年薪，疯抢具备实战能力的大模型人才，甚至放宽年龄限制，只求能快速落地技术、创造价值！

很多程序员、职场新人纷纷入局大模型领域，绝非盲目跟风，而是实实在在看到了不可替代的价值优势，这也是2026年最值得抓住的职业风口：

1、窗口期红利，入门门槛友好：不同于成熟赛道的“内卷式招聘”，2026年大模型人才缺口巨大，简历只要达标（掌握基础AI应用+具备简单项目经验），年龄、学历均非硬性要求，小白可快速入门，转行程序员也能无缝衔接；

2、技术可复用，上手速度翻倍：如果你有前后端开发、测试、数据分析等基础，在大模型落地、系统部署、Prompt工程等环节会更具优势，无需从零开始，复用原有技术能力就能快速进阶；

3、懂业务更吃香，竞争力翻倍：单纯懂技术已不够，2026年大厂更看重“技术+业务”的复合型人才，有垂直领域（金融、医疗、工业等）经验者，能精准定位模型落地痛点，薪资比纯技术岗高出30%以上；

更重要的是，即便没有转型需求，用AI大模型工具为工作赋能、提升效率，也已经成为80%企业的硬性要求——不会用大模型提效，未来很可能被行业淘汰！

那么2026年，小白/程序员该如何高效学习大模型？

很多人想入门大模型，却陷入两大困境：要么到处搜集零散资料，不成体系，越学越懵；要么被收费高昂的课程割韭菜，花了钱却学不到实战技能，白白浪费时间走弯路。

今天就给大家精心整理了一份2026年最新、免费、系统化的AI大模型学习资源包，覆盖从零基础入门到商业实战、从理论沉淀到面试通关的全流程，所有资料均已整理归档，无需拼凑，直接领取就能上手学习，小白可照做，程序员可进阶！

👇👇扫码免费领取全部内容👇👇

1、大模型系统化学习路线

这份学习路线结合2026年行业趋势和新手学习规律，由行业专家精心设计，从零基础到精通，每一步都有明确指引，帮你节省80%的无效学习时间，少走弯路、高效进阶，避免踩坑。

2、从0到进阶大模型学习视频教程

从入门到进阶这里都有，跟着老师学习事半功倍。

3、大模型学习书籍&电子文档

涵盖2026年最新技术要点，包括基础入门、Transformer核心原理、Prompt工程、RAG实战、模型微调与部署等内容

4、AI大模型最新行业报告

报告包含腾讯、阿里、甲子光年等权威机构发布的核心内容，还有2026年中文大模型基准测评报告、AI Agent行业研究报告等，帮你站在行业前沿，把握技术风口。

5、大模型项目实战&配套源码

项目包含Deepseek R1、GPT项目、MCP项目、RAG实战等热门方向，还有视频配套代码，手把手教你从0到1完成项目开发，既能练手提升技术，又能丰富简历，为求职和职业发展加分。

6、2026大模型大厂面试真题

2026年大模型面试已全面升级，不再单纯考察基础原理，而是转向侧重技术落地和业务结合的综合考察，很多程序员和新手因为缺乏针对性准备，明明技术不错，却在面试中失利。

适用人群

四阶段学习规划（共90天，可落地执行）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型

• 带你了解全球大模型

• 使用国产大模型服务

• 搭建 OpenAI 代理

• 热身：基于阿里云 PAI 部署 Stable Diffusion

• 在本地计算机运行大模型

• 大模型的私有化部署

• 基于 vLLM 部署大模型

• 案例：如何优雅地在阿里云私有部署开源大模型

• 部署一套开源 LLM 项目

• 内容安全

• 互联网信息服务算法备案

• …

👇👇扫码免费领取全部内容👇👇

7、这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】