RAGFlow - 开源 RAG 与 Agent 平台
在 RAGFlow 中优先使用 New API 模型供应商接入 88API，并分别配置聊天模型与 Embedding 模型。
推荐供应商
RAGFlow 当前版本内置 New API 模型供应商，官方配置直接指向 QuantumNous/new-api。接入 88API 时优先选择 New API；旧版本没有该选项时，再使用 OpenAI-API-Compatible。
RAGFlow 把聊天模型、Embedding、Rerank、视觉和语音模型分别管理。本页依据 RAGFlow v0.26.4、官方模型配置指南和当前源码整理。界面图来自 RAGFlow 官方文档仓库。
使用前准备
- 登录 88API，创建 API Key，并确认余额充足。
- 确认聊天模型的精确模型 ID。
- 如果要创建知识库，再确认一个真正支持
/v1/embeddings的 Embedding 模型 ID。 - 建议使用 RAGFlow v0.26.4 或更高稳定版本。
打开模型供应商
- 登录 RAGFlow。
- 点击右上角头像，进入用户设置。
- 打开 Model providers。
- 在 Available models 中找到并选择 New API。
官方截图展示了 Model providers 的真实位置和供应商列表；列表较长时需要向下滚动或搜索 New API。如果当前版本确实没有 New API，再选择图中可见的 OpenAI-API-Compatible，字段填写方式相同。
创建 88API 实例
在 New API 供应商页创建一个实例，填写：
| 字段 | 填写内容 |
|---|---|
| Instance name | 88API 或便于识别的名称 |
| API Key | 你的 88API API Key |
| Base URL / Base-Url | https://88api.ai/v1 |
点击 Verify 验证连接。
图中是在 RAGFlow 官方供应商界面底图上标出的填写顺序：输入 API Key、Base-Url 填写 https://88api.ai/v1，然后点击 Verify。实例名称可使用 88API，便于在多个供应商配置之间识别。
地址填到 /v1 即可
不要追加 /models、/chat/completions 或 /embeddings。RAGFlow
会按模型类型自行调用对应路径。
从列表添加模型
连接验证通过后：
- 点击 List models，让 RAGFlow 从 88API
/v1/models获取模型。 - 在列表中找到目标模型，点击右侧加号添加。
- 检查 RAGFlow 给模型识别的类型是否正确。
RAGFlow 会根据模型名称中的关键词推测类型，例如 embedding、rerank、whisper / stt 等。自动分类只是推测，不代表该模型的 endpoint 或高级能力已经通过验证。
手动添加自定义模型
如果列表中没有目标模型，或自动分类错误，点击模型区域右侧的加号，选择添加自定义模型：
| 字段 | 填写方法 |
|---|---|
| Model name | 填写 88API 返回的精确模型 ID |
| Model type | 按真实用途选择 LLM、Embedding、Rerank、VLM、TTS 或 ASR |
| Max tokens | 填写该模型真实上限；不确定时先查模型说明 |
| Tool call | 只有模型和渠道实测支持标准工具调用时才开启 |
VLM / image2text 表示图片理解输入，不是图片生成。RAGFlow 的该模型类型不能替代 88API 生图工作台。
分别设置聊天与 Embedding 模型
添加模型后进入 Set default models：
- LLM：选择已添加的 88API 聊天模型。
- Embedding：如果要创建知识库，选择已单独验证的 88API Embedding 模型。
- Rerank、VLM、ASR、TTS：只有对应工作流确实需要且模型已经配置时才选择。
Embedding 必须独立配置
聊天模型负责生成答案，Embedding 模型负责把知识库文档和查询转换为向量。
只配置聊天模型无法完成知识库索引；88API 对应渠道必须实际支持
/v1/embeddings。
更换 Embedding 模型后，已有知识库的向量通常不能直接混用。请按 RAGFlow 提示重新解析或重建索引，避免向量维度不一致。
验证连接
验证聊天
- 在 RAGFlow 新建一个简单 Chat 或 Agent。
- 选择刚配置的 88API LLM。
- 发送纯文本测试，确认正常返回。
- 在 88API 控制台使用日志中核对调用记录。
验证知识库
- 确认默认 Embedding 已选择独立的向量模型。
- 新建一个小型测试 Dataset，上传少量文本。
- 等待解析和索引完成，确认没有 embedding endpoint 或向量维度错误。
- 在检索测试中提问，确认能返回相关片段。
验证清单
- 供应商优先选择 New API；旧版才使用 OpenAI-API-Compatible。
- Base URL 为
https://88api.ai/v1，Verify 通过。 - LLM 和 Embedding 使用各自真实模型，不互相替代。
- 自定义模型的类型、Max tokens 与 Tool call 开关符合真实能力。
- 聊天与知识库分别完成一次最小验证，88API 使用日志存在对应记录。
常见问题
找不到 New API 供应商
先在 Available models 中搜索或向下滚动。RAGFlow v0.26.4 的官方源码已包含 New API；旧版本应更新，暂时无法更新时可使用 OpenAI-API-Compatible。
Verify 失败
确认 Base URL 为 https://88api.ai/v1，API Key 完整，并检查 /v1/models 是否能访问。不要把地址填到具体操作路径。
聊天正常，但知识库解析失败
最常见原因是没有配置独立 Embedding 模型，或误把聊天模型标记为 Embedding。确认所选 88API 模型实际支持 /v1/embeddings。
模型被识别成错误类型
删除错误条目后使用 Add custom model，手动选择正确 Model type。模型名自动分类不等于能力验证。
Agent 工具调用失败
关闭 Tool call 后先验证普通聊天。只有上游返回标准工具调用结构，并且目标模型已实测支持时再开启。
图片模型能用来生成图片吗
RAGFlow 中的 VLM / image2text 是图片理解能力，不是生图接口。需要生成图片时请使用 生图工作台或对应图片 API 教程。