从 0 到 1:用 AI 编程助手将 RagFlow 知识库集成到企业智能体平台

# 知识库列表GET /api/v1/datasets?page=1&page_size=100→ 返回 "架构书籍"（19 分块 / 2 文档）# 语义检索POST /api/v1/retrievalBody: { "question": "微服务架构", "dataset_ids": ["726bb44a..."], ... }→ 返回带相似度分数的相关文本块

┌─────────────────────────────────────────────────────┐│                    前端 (Vue 3)                     ││                                                     ││  设置页：配置 RagFlow 地址 + API Key                 ││  首页：知识库开关 → 选择知识库 → 发送时前置检索      │└──────────────────────┬──────────────────────────────┘                       │ HTTP (localhost:8000)┌──────────────────────▼──────────────────────────────┐│              后端代理 (FastAPI)                     ││                                                     ││  /api/ragflow/config    — 保存/获取配置             ││  /api/ragflow/test      — 测试连接                  ││  /api/ragflow/datasets  — 获取知识库列表            ││  /api/ragflow/retrieval — 执行语义检索              │└──────────────────────┬──────────────────────────────┘                       │ httpx (内网)         ┌─────────────┼─────────────┐         ▼                           ▼┌─────────────────┐      ┌─────────────────────┐│  RagFlow 服务    │      │  QwenPaw AI 服务     ││  知识库 + 检索   │      │  对话 + 流式响应      │└─────────────────┘      └─────────────────────┘

classRagFlowConfig(Base):    __tablename__ ="ragflow_config"id= Column(Integer, primary_key=True)    base_url = Column(String(500), nullable=False)    api_key = Column(String(500), default="")    updated_at = Column(DateTime, default=datetime.utcnow)

// 将检索结果拼接为注入给大模型的提示词exportfunctionbuildRagPrompt(question, chunks, datasetNames){const refs = chunks.map((c, i)=>{const src = c.document?`（来源：${c.document}）`:''return`[${i +1}]${src}\n${c.content.trim()}`}).join('\n\n')return(`【知识库参考资料】\n`+`以下为从知识库「${datasetNames}」检索到的相关资料，`+`请优先结合这些资料回答用户问题。`+`若资料与问题无关请忽略，不要编造资料中不存在的内容：\n\n`+`${refs}\n\n`+`【用户问题】\n${question}`)}// 历史回显时还原干净的用户问题exportfunctionstripRagPrompt(text){const idx = text.indexOf('【用户问题】')if(idx ===-1)return textreturn text.slice(idx +'【用户问题】'.length).trim()}

<divclass="kb-toolbar"><!-- 开关按钮 --><buttonclass="kb-toggle":class="{ active: kbEnabled }"@click="toggleKb">    📚 知识库<spanv-if="kbEnabled">：开</span></button><!-- 知识库多选下拉 --><divv-if="kbEnabled"class="kb-dropdown-wrap"><buttonclass="kb-select-btn"@click="kbDropdownOpen = !kbDropdownOpen">      {{ kbSelectedIds.length ? `已选 ${kbSelectedIds.length} 个` : '选择知识库' }} ▾</button><divv-if="kbDropdownOpen"class="kb-dropdown"><labelv-for="ds in kbDatasets":key="ds.id"class="kb-option"><inputtype="checkbox":value="ds.id"v-model="kbSelectedIds"/><span>{{ ds.name }}</span><span>{{ ds.chunk_count }} 分块</span></label></div></div><!-- 检索状态提示 --><spanv-if="kbRetrieving"class="kb-retrieving">📚 检索知识库中...</span></div>

asyncsendMessage(){let sendText = displayText// 开启知识库时：先检索 RagFlow，将资料注入发给大模型的文本if(this.kbEnabled&&this.kbSelectedIds.length){this.kbRetrieving=truetry{const result =awaitretrieveRagFlow(displayText,this.kbSelectedIds,5)if(result.chunks&& result.chunks.length){        sendText =buildRagPrompt(displayText, result.chunks,this.kbSelectedNames)}}catch(e){console.warn('RagFlow 检索失败，降级为普通提问:', e)}this.kbRetrieving=false}// 将（可能注入了知识库资料的）文本发给 QwenPawawaitsendChatMessage(sendText, sessionId, callbacks, signal, attachments)}

POST /api/ragflow/config  → 200 "配置已保存，连通正常（1 个知识库）"GET  /api/ragflow/config  → 200 {"configured": true, "api_key_masked": "****dpc"}POST /api/ragflow/test    → 200 {"success": true, "message": "连接成功，共 1 个知识库"}GET  /api/ragflow/datasets → 200 {"datasets": [{"name": "架构书籍", "chunk_count": 19}]}POST /api/ragflow/retrieval → 200 {"total": 3, "chunks": [...]}