RAGFlow 知识库检索 staff-os/dsh-ragflow

dsh-ragflow

为 DeepSeek Harness 提供 RAGFlow 知识库检索能力。它给智能体注册一个 ragflow_retrieve 工具，向你的 RAGFlow 数据集发起检索，返回带相似度与来源文档名的文本块。

设计

本包遵循 Harness 的三角色能力模式：一个接缝、一个提供方、一个消费方 —— 以单个包、四个插件入口交付（第四个是面向人的配置页，改的仍是同一批值），因此 profile 可以单独覆盖、替换或摘掉其中任一角色，而不影响其余几个。

| 角色 | 模块 | 插件名 | 职责 |
| Service Definition | src/index.ts | @deepseek-ai/dsh-ragflow | 持有 ctx.ragflow：提供方注册表、与注册顺序无关的选择、maxChunks 截断 |
| Service Provider | src/http.ts | @deepseek-ai/dsh-ragflow/http | 调用 POST /api/v1/retrieval、解析凭据、归一化 chunk |
| Consumer | src/tool.ts | @deepseek-ai/dsh-ragflow/tool | 面向模型的工具：参数模式、提示词引导、条数上限、展示 |
| Consumer | src/config.ts | @deepseek-ai/dsh-ragflow/config | 面向人的配置页：读写同一批 settings 分节与凭据引用 |

提供方与消费方都只依赖 Service Definition，彼此互不依赖。更换后端只需替换一行：

- id: ragflow-http
name: 'your-own-ragflow-provider'

前置条件

1. 一个运行中的 RAGFlow 实例 —— 自建或云端，默认连接 http://localhost:9380。
2. 一个 API Key —— 在 RAGFlow 中创建。
3. 一个已解析文档的数据集 —— RAGFlow 会拒绝既没有 dataset 也没有 document 的检索请求，因此至少要配置一个 dataset id。

安装

dsh plugin --profile web add "github:staff-os/dsh-ragflow#main"

dsh plugin add 会把来源原样交给 pnpm，因此任何 pnpm 认识的来源都可以：

dsh plugin --profile web add link:/path/to/dsh-ragflow # 本地开发

lib/ 已随仓库提交，安装期不执行构建脚本，也就不需要 pnpm 的 build 授权。安装后重启 dsh web，再确认四行都已插入：

dsh --profile web --dump-config | grep ragflow

配置

三个入口，同一批值。配置页是最省事的那个；环境变量与 YAML 行的行为一如从前。

配置页

dsh web 运行时，打开 http://127.0.0.1:3080/ragflow（端口以 web 界面启动时打印的为准）。页面可
以配置接口地址、数据集、检索参数与工具上限；API Key 通过凭据服务保存，不会写进任何设置文件，字段本身只报告"是否已配置"。

每个字段都是留空即继承：输入框里放的是你自己的覆盖值，占位符显示的是没有覆盖时实际生效的值。
把输入框清空，就是让该字段重新继承组装行、环境变量或 schema 默认值。测试检索会真的向 RAGFlow 发起一次检索，配完不必靠猜。

无论 dsh web --host 绑在哪，这个页面只在回环地址上提供服务 —— 它既读取部署配置，又写入凭据。想换路径就改这一行的 path，想整个去掉就禁用它：

~/.dsh/profiles/web/cordis.patch.yml
- id: ragflow-config
disabled: true

保存下来的值落在 ~/.dsh/settings.yaml 的 ragflow-http 与 tool-ragflow 两个命名空间，叠加在组装层之上：schema 默认值 → cordis.patch.yml 条目 → 你保存的分节。除 timeoutMs 外都对下一次检索立即生效；timeoutMs 由工具注册表在注册时读取一次，改动需重启。

环境变量

常见场景只需设置环境变量，既不用改 YAML 也不用开页面：

export RAGFLOW_API_KEY=ragflow-xxx
export RAGFLOW_BASE_URL=http://your-ragflow-host:9380 # 可选，默认 localhost:9380
export RAGFLOW_DATASET_IDS=dataset_id_1,dataset_id_2 # 除非写进 YAML，否则必填

挂载了 DSH 凭据服务时，API Key 从 ~/.dsh/.credentials.yaml 解析；否则回落到启动环境。切勿把密钥写进配置文件。

启动环境是进程启动那一刻的快照，改环境变量不会影响已经跑着的 dsh —— 要在一个已经带上新值的 shell 里重启它。Windows 上尤其容易踩：在图形界面改系统变量只是写注册表，所有已运行的进程都还拿着旧的环境块，Explorer 也在其中，因此从开始菜单或快捷方式启动的程序同样继承 Explorer 那份旧副本，直到重启 Explorer 或注销重登。配置页显示的是进程实际看到的值，所以它也是判断"环境没刷新"还是"值填错了"的最快办法。

要覆盖某一行，在 profile 的 cordis.patch.yml 中重述它 —— patch 是整体替换该行的 config，不做深合并，所以要把这一行需要的键全部写出：

~/.dsh/profiles/web/cordis.patch.yml
- insert:
- id: ragflow-http
name: '@deepseek-ai/dsh-ragflow/http'
config:
baseURL: http://your-ragflow-host:9380
datasetIds: ['dataset_id_1']
similarityThreshold: 0.3
vectorTopK: 1024

@deepseek-ai/dsh-ragflow（接缝）

| 配置项 | 默认值 | 说明 |
| retrieveProvider | 自动 | 指定提供方 id；不填时若仅有一个可用提供方则自动选中。等价于 $DSH_RAGFLOW_PROVIDER。 |

@deepseek-ai/dsh-ragflow/http（提供方）

| 配置项 | 默认值 | 说明 |
| apiKey | — | 字面量密钥，优先使用 apiKeyEnv。 |
| apiKeyEnv | RAGFLOW_API_KEY | 每次检索时解析的凭据引用名。 |
| baseURL | $RAGFLOW_BASE_URL → http://localhost:9380 | 端点基址，其后追加 /api/v1/retrieval。 |
| datasetIds | $RAGFLOW_DATASET_IDS | 默认检索的数据集。 |
| documentIds | — | 在数据集之下进一步收窄检索范围。 |
| similarityThreshold | 0.2 | 综合相似度低于此值的 chunk 被丢弃。 |
| vectorTopK | RAGFlow 的 1024 | 即 RAGFlow 的 top_k：向量候选池大小，不是返回条数。 |
| vectorSimilarityWeight | RAGFlow 的 0.3 | 混合打分中的向量权重。 |
| keyword | false | 在向量检索之外同时启用关键词匹配。 |
| rerankId | — | 作用于候选池的重排模型。 |

@deepseek-ai/dsh-ragflow/tool（消费方）

| 配置项 | 默认值 | 说明 |
| maxChunks | 8 | 单次调用返回的 chunk 上限；作为 RAGFlow 的 page_size 下发，并由接缝再次强制。 |
| timeoutMs | 30000 | 单次调用的协作式超时预算。注册时读取一次，改动需重启后生效。 |

@deepseek-ai/dsh-ragflow/config（配置页）

| 配置项 | 默认值 | 说明 |
| path | /ragflow | 页面及其 JSON 接口（/state、/save、/probe）挂载的路径。 |

检索流程

1. 模型带 question 调用 ragflow_retrieve。
2. 工具校验参数并调用 ctx.ragflow.retrieve({ question, maxChunks }, signal)。
3. 接缝选出可用提供方并转发请求。
4. 提供方 POST 到 /api/v1/retrieval，归一化 data.chunks[]。
5. 接缝按 maxChunks 截断；工具渲染为可引用的文本，并附带可在会话回放中还原的结构化元数据。

空结果也是结果：工具会告诉模型知识库中没有相关内容，不要编造引用。

开发

pnpm install
pnpm test # vitest
pnpm typecheck # tsc --noEmit
pnpm build # tsdown → lib/{index,http,tool,config}.js

lib/ 随仓库提交；改动 src/ 后需重新构建并一并提交。

排查

| 现象 | 原因 | 处理 |
| RAGFLOW_SCOPE_MISSING | 检索范围内既无 dataset 也无 document | 设置 datasetIds 或 $RAGFLOW_DATASET_IDS |
| RAGFLOW_PROVIDER_CREDENTIAL_MISSING | 该凭据引用名下取不到密钥 | 设置 $RAGFLOW_API_KEY，或让 apiKeyEnv 与凭据键名一致 |
| RAGFLOW_PROVIDER_UNAUTHORIZED | RAGFlow 拒绝了密钥 | 在 RAGFlow 中重新签发 |
| RAGFLOW_PROVIDER_UNAVAILABLE | 提供方行缺失或选项非法 | 用 --dump-config 检查 ragflow-http 行 |
| RAGFLOW_PROVIDER_AMBIGUOUS | 注册了两个可用提供方 | 用接缝的 retrieveProvider 指定其一 |
| 工具列表里没有 ragflow_retrieve | bundle 未加载 | dsh --dump-config \| grep ragflow；重启 dsh web |
| 返回条数比预期少 | vectorTopK 不是返回条数 | 调高工具行的 maxChunks |
| 配置页返回 NOT_LOOPBACK | 从局域网地址访问 | 在宿主机本机打开，或把端口转发到本地 |
| 配置页返回 SETTINGS_CONFLICT | 页面加载后设置文档被别处改过 | 刷新页面后重新填写保存 |
| API Key 输入框不可编辑 | 启动环境里的 RAGFLOW_API_KEY 遮蔽了凭据存储 | 改环境变量后重启 dsh，或取消该变量改由页面管理 |
| 页面显示的仍是改之前的地址或数据集 | 进程继承的是改动之前的环境块 | 在改完之后新开的 shell 里重启 dsh；Windows 上还需重启 Explorer 或注销重登 |
| /ragflow 打不开 | 该 surface 没有 web server，或该行被禁用 | dsh --dump-config \| grep ragflow-config |

已知限制

- 仅检索 —— 不含数据集/文档管理（创建、上传、解析）。
- 这个页面是插件自带的，而不是 DSH 内置「设置 → 插件 → 插件配置」里的一张卡片：那个页面只渲染宿主 api-proxy 白名单（WEB_SETTINGS_NAMESPACES）里的 settings 命名空间，在 harness 仓库之外分发的插件不改动已发布的宿主包就进不去。若哪天该白名单改由 settings.register() 声明，这两个命名空间无需改动本包即可出现在那里。
- 无流式返回，需等待完整响应。
- 结果使用通用搜索卡片渲染，尚无专用引用卡片。
- 尚未暴露 RAGFlow 的 cross_languages、metadata_condition、highlight、use_kg 选项。