设置变量
设置与您的 LLM 系统提示词一起使用的变量。
在配置聊天模型的系统提示词时,变量在增强灵活性和可重用性方面发挥着重要作用。通过变量,您可以动态调整发送给模型的系统提示词。在 RAGFlow 的上下文中,如果您在聊天设置中定义了变量,除了系统的保留变量 {knowledge} 外,您需要通过 RAGFlow 的 HTTP API 或通过其 Python SDK 为它们传入值。
在 RAGFlow 中,变量与系统提示词紧密相关。当您在变量部分添加变量时,请将其包含在系统提示词中。相反,当删除变量时,请确保将其从系统提示词中移除;否则会出现错误。
在哪里设置变量

1. 管理变量
在变量部分,您可以添加、删除或更新变量。
{knowledge} - 保留变量
{knowledge} 是系统的保留变量,表示从助手设置标签下的知识库指定的知识库中检索到的分块。如果您的聊天助手与某些知识库关联,您可以保持原样。
目前 {knowledge} 设置为可选或必需没有区别,但请注意此设计将在适当时候更新。
从 v0.17.0 开始,您可以在不指定知识库的情况下开始 AI 聊天。在这种情况下,我们建议删除 {knowledge} 变量以防止不必要的引用,并保持空响应字段为空以避免错误。
自定义变量
除了 {knowledge} 之外,您还可以定义自己的变量与系统提示词配对。要使用这些自定义变量,您必须通过 RAGFlow 的官方 API 传入它们的值。可选切换开关确定这些变量在相应 API 中是否必需:
- 禁用(默认):变量是必需的,必须提供。
- 启用:变量是可选的,如果不需要可以省略。
2. 更新系统提示词
在变量部分添加或删除变量后,请确保您的更改反映在系统提示词中,以避免不一致或错误。以下是一个示例:
您是一个智能助手。请通过总结指定知识库中的分块来回答问题...
您的答案应该遵循专业和{style}风格。
...
这是知识库:
{knowledge}
以上是知识库。
如果您已删除 {knowledge},请确保彻底审查和更新整个系统提示词以获得最佳结果。
API
为聊天配置对话框中定义的自定义变量传入值的唯一方法是调用 RAGFlow 的 HTTP API 或通过其 Python SDK。
HTTP API
参见与聊天助手对话。以下是一个示例:
curl --request POST \
--url http://{address}/api/v1/chats/{chat_id}/completions \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer <YOUR_API_KEY>' \
--data-binary '
{
"question": "xxxxxxxxx",
"stream": true,
"style":"hilarious"
}'
Python API
参见与聊天助手对话。以下是一个示例:
from ragflow_sdk import RAGFlow
rag_object = RAGFlow(api_key="<YOUR_API_KEY>", base_url="http://<YOUR_BASE_URL>:9380")
assistant = rag_object.list_chats(name="Miss R")
assistant = assistant[0]
session = assistant.create_session()
print("\n==================== Miss R =====================\n")
print("Hello. What can I do for you?")
while True:
question = input("\n==================== User =====================\n> ")
style = input("Please enter your preferred style (e.g., formal, informal, hilarious): ")
print("\n==================== Miss R =====================\n")
cont = ""
for ans in session.ask(question, stream=True, style=style):
print(ans.content[len(cont):], end='', flush=True)
cont = ans.content