手把手教你零成本配置和使用 MrDoc AI知识库

前几天觅思文档开源版 1.1.0 发布，带来了 AI 知识库功能。至此，AI 知识库正式成为觅思文档各版本共有的基础能力，开源版、专业版都能直接用。

鉴于很多朋友还不知道怎么使用这个 AI 知识库，下面就手把手教你怎么零成本、免费使用觅思文档的 AI 知识库。

MrDoc 的 AI 知识库不像很多市面上的 AI 知识库产品，需要单独上传文档、额外部署向量数据库、手动设定各种切片类型和切片规则。

文档本来就管理在 MrDoc 里，知识库天然就是你的文集——不用重复上传，也不用另建一套。

MrDoc 的 AI 知识库为绝大多数使用场景提供了通用配置，切片、向量化这些都由系统自动完成，你用起来只需要简单的三步：

**1、配置模型**

**2、重建索引**

**3、开始使用**

### 零成本指什么

先说清楚边界，避免误会。

这篇文章里的"零成本"，指的是 **AI 模型的调用费用为 0**——向量模型、重排模型、文本生成模型全部使用免费额度，不充一分钱。

它不包含这些：

- MrDoc 本身的部署成本（服务器你得自己准备）；
- 平台的免费策略随时可能调整。教程里给的模型清单是 2026 年 9 月核对的参考值，动手配置时以平台控制台实时标注为准。

边界交代完，进入正题。

MrDoc 内置了一套完整的 RAG 检索增强生成引擎，链路是：**文档切片 → 向量化 → 向量检索 → 重排 → 大模型生成回答**。

要把这条链路跑起来，需要三类模型：

| 模型类型 | 在链路里干什么 | 通俗理解 |
|---------|--------------|---------|
| 向量模型（Embedding） | 把文档切片转成向量，检索时算相似度 | AI 的"索引卡"，决定能不能找到相关内容 |
| 重排模型（Rerank） | 对召回的候选结果二次排序 | AI 的"复核员"，让最相关的内容排到前面 |
| 文本生成模型（LLM） | 根据检索到的内容组织最终回答 | AI 的"嘴"，负责把答案说出来 |

其中向量模型是刚需，没有它文档无法入索引；文本生成模型是刚需，没有它 AI 无话可说；**重排模型是可选的**，但对知识库问答的准确率提升明显，而且既然免费，建议顺手配上。

三类模型都可以从同一个地方白嫖：硅基流动（SiliconFlow）或模力方舟（Gitee AI），任选一家即可，不需要两家都注册。

### 准备工作：注册平台，拿到 API Key

先花五分钟注册并拿到密钥，后面配置就是复制粘贴的事。

#### 方案 A：硅基流动（SiliconFlow）

1. 打开官网 siliconflow.cn，用手机号注册并登录；
2. 进入控制台（cloud.siliconflow.cn），在"API 密钥"页面创建一个密钥，复制保存好；
3. 在"模型广场"里找到免费模型。向量和重排认准 **BAAI/bge-m3**、**BAAI/bge-reranker-v2-m3** 这两款（目前稳定在免费列表里）；文本生成选一个标记"免费"的即可。

需要注意：**硅基流动的模型名称是带前缀的**，比如 `BAAI/bge-m3`，配置时不要漏了前面的 `BAAI/`。

*（图：硅基流动的模型列表）*

![](https://mrdoc.pro/media/202609/43f5a04184bd4431b27d1d7a0edb3e132231.png)

#### 方案 B：模力方舟（Gitee AI）

1. 打开 moark.com，用 Gitee 账号登录（没有就先注册一个）；
2. 进入 Serverless API 页面创建 API 令牌，复制保存好；
3. 模力方舟的**向量化和重排模型全部免费**（这是平台明示的长期政策），bge-m3、bge-reranker-v2-m3、Qwen3-Embedding 系列都能直接用；文本生成也有免费模型可选，如 Qwen3-8B、GLM-4-9B 系列。

模力方舟的模型名**不带前缀**，直接填 `bge-m3` 就行，别画蛇添足加 `BAAI/`。

*（图：模力方舟模型广场的免费向量 / 重排模型）*

![](https://mrdoc.pro/media/202609/fd731332a4c74130a625fbad3ebcadd79643.png)

两家平台放一起对比：

| 配置项 | 硅基流动（SiliconFlow） | 模力方舟（Gitee AI） |
|-------|----------------------|---------------------|
| 注册入口 | siliconflow.cn | moark.com（Gitee 账号登录） |
| API 地址 | `https://api.siliconflow.cn/v1` | `https://api.moark.com/v1` |
| 向量模型 | `BAAI/bge-m3` | `bge-m3` |
| 重排模型 | `BAAI/bge-reranker-v2-m3` | `bge-reranker-v2-m3` |
| 文本生成模型 | 免费列表中任选（如 GLM-4-9B 系列） | 免费列表中任选（如 Qwen3-8B） |
| 模型名格式 | 带组织前缀（`BAAI/`、`Qwen/` 等） | 不带前缀 |

> 两家的"免费"含义略有差别：硅基流动的免费模型有固定的速率限制，调用太频繁会收到 429 提示；模力方舟对向量/重排模型目前是"全部免费不限次"的姿态。个人使用、小团队内部问答，两家的免费额度都绰绰有余。

拿到密钥后，下面进入正题。

### 配置模型

登录 MrDoc 管理后台，进入 **AI 接入**页面，页面上方有几个标签页，找到 **"AI模型供应商"**——这里就是 MrDoc 管理 AI 模型的地方。

*（图：MrDoc 后台"AI 接入"页面）*

![](https://mrdoc.pro/media/202609/bff67370830b4dc5837f04977fb09b005781.png)

点击"添加"，一条一条把三类模型配进去。每条记录要填的核心字段是这几个：

| 表单字段 | 填什么 |
|---------|-------|
| 供应商 | 下拉里选"硅基流动（SiliconFlow）"或"模力方舟（Gitee AI）"，MrDoc 内置了对这两家的调用支持 |
| 模型类型 | 文本生成 / 向量化 / 重排，三类各配一条 |
| 模型名称 | 按上面表格里对应平台的模型名填，注意前缀格式 |
| API Key | 粘贴刚才创建的密钥 |
| 基础 URL | `https://api.siliconflow.cn/v1` 或 `https://api.moark.com/v1`，以 `/v1` 结尾 |

所以一共添加三条记录，举个模力方舟的例子：

1. **文本生成模型**：供应商选"模力方舟（Gitee AI）"，模型类型选"文本生成"，模型名称填免费 LLM（如 `Qwen3-8B`）；
2. **向量化模型**：供应商相同，模型类型选"向量化"，模型名称填 `bge-m3`；
3. **重排模型**：供应商相同，模型类型选"重排"，模型名称填 `bge-reranker-v2-m3`。

三条记录共用同一个 API Key 和基础 URL。用硅基流动同理，只是模型名要加前缀、基础 URL 换成 `https://api.siliconflow.cn/v1`。

保存之后，可以顺手在 AI 配置页的"基础配置"里看一眼"**向量存储方式**"——默认使用"默认（数据库）"存储就能跑通，不需要额外部署任何组件。专业版用户也可以切换到 **LanceDB**：同样是内置的、不用额外部署的向量数据库，检索性能比默认的数据库存储更好。文档量非常大、对性能有非常高的要求时，再考虑接入 Qdrant——新手阶段直接跳过即可。

到这里，模型的"原料"就备齐了。但先别急着去问 AI——此时你文库里的老文档还没有被切分和向量化，AI 是"无米下锅"的状态。这就进入第 2 步。

### 重建索引

RAG 的前提是"先有索引"。MrDoc 会把参与索引的文档切分成片段（切片），再用向量模型把每个片段向量化存起来，问答时才能检索。

所以要做两件事：

**1、确认 AI 索引范围**

AI 索引的范围，对应后台"基础配置"里的"文集范围"：

- **开源版**：全站文档参与索引，无需设置；
- **专业版**：默认同样覆盖全站，也可以在"文集范围"中圈定参与 AI 问答的文集。

这一步相当于告诉 MrDoc"哪些内容允许被 AI 检索"。

**2、重建存量文档的索引**

刚接入 AI 时，文集中已有的老文档都还没有切片索引，需要重建一次。

在觅思文档项目代码根目录内执行索引重建命令：

```
python manage.py rebuild_ai_index --projects=all
```

`--projects=all` 表示按后台设置的 AI 索引范围重建（开源版即全站文档）。你也可以指定文集 ID 以重建指定文集内的文档索引，例如：`python manage.py rebuild_ai_index --projects=1,2,3`。

> 以 Docker 方式部署的用户，`manage.py` 在容器里，需要进入容器执行，例如：
> `docker exec -it mrdoc python manage.py rebuild_ai_index --projects=all`
> 把命令里的 `mrdoc` 换成你的容器名或容器 ID。

执行 `--projects=all` 全量重建前，命令会先让你确认——看到"输入 YES 确认执行"的提示后，输入 `YES` 回车即可开始（这是防止误操作全量重建的保护设计）。

*（图：在终端执行重建索引命令）*

![](https://mrdoc.pro/media/202609/7f7d18fb4f094ff2a9d3b1da4cb1bd4f9887.png)

**新建和更新的文档不用手动管**：从启用 AI 功能和配置好向量模型那一刻起，你新建文档、编辑保存文档，MrDoc 都会**实时更新 AI 切片索引**，无需每次手动重建。

只有两种情况需要手动重建一次：

- **换了向量模型**——想让全部存量文档按新模型重新向量化；
- **切换了向量存储方式**（比如从默认存储切到 LanceDB）——旧索引存放在原存储里，新存储里是空的。

这一步做完，AI 的"底料"就备好了。可以进入最后一步。

### 开始使用

回到站点前端，找到 AI 对话入口（一般页面角落会有 AI 助手/聊天入口，直接访问 `/ai/chat/` 也行）。

*（图：前台 AI 对话入口）*

![](https://mrdoc.pro/media/202609/83047eeaa35544d58611a82a04c4e0595368.png)

在对话框里问一个**只能从你自己文档里找到答案**的问题——这是验证知识库有没有生效的最好办法。比如你文库里有篇《服务器部署手册》，就问他："服务器部署前需要准备哪些环境？"

如果回答有鼻子有眼、还带上了你文档里的细节，说明链路通了：文档被检索到，模型基于检索内容生成了回答。

*（图：AI 知识库问答效果示意）*

![](https://mrdoc.pro/media/202609/9cd7d4cd6f4d47fc9653c62b2b71d2465849.png)

这里有两个体验细节值得知道：

- **AI 继承文档权限**：MrDoc 的 AI 问答只检索提问者有权限查看的文集内容，无权限的文档不会被 AI 泄露出去——这是把 AI 接入企业内部时最让人安心的一点；
- **回答质量取决于文档本身**：如果问答效果不好，优先检查文档是不是结构清晰、要点完整，再考虑换更强的免费大模型。检索这一步做得好，免费小模型也能答得像模像样；检索乱七八糟，再大的模型也救不回来。

---

### 常见问题

**Q1：AI 回答为空，或者提示没找到相关内容，是哪里没配好？**

按顺序排查：1、查看后台 AI 接入页面的「文档索引管理」选项卡中是否存在文档索引；2、向量模型名称和基础 URL 有没有填对（尤其注意硅基流动的 `BAAI/` 前缀）；3、API Key 有没有复制完整。

还可以在后台「文档索引管理」中打开「检索调试器」，直接看提问时是否检索到了相关的切片，快速定位是"没检索到"还是"检索到了但没答好"：

*（图：文档索引管理中的"检索调试器"）*

![](https://mrdoc.pro/media/202609/60cb8b2c70414e21955f2d63ea7645589413.png)

**Q2：文档新建/修改后，AI 能立刻问到新内容吗？**

能。新文档和文档更新会实时同步切片索引，保存后即可被检索到，不需要手动重建。

**Q3：换了向量模型之后，为什么问出来的还是老结果？**

换了向量模型，旧的向量和新的向量不在一个"坐标系"里，需要把全部存量文档重新重建一次索引，才能用新模型重新向量化。切换向量存储方式同理。

**Q4：免费模型会不会突然用不了？**

免费清单由平台说了算，随时可能调整，这是免费策略的固有风险。配置时以平台控制台标注为准；个人和小团队场景通常影响不大，真遇到下架，把模型名换成清单里的其他免费模型即可。

**Q5：硅基流动和模力方舟，选哪家？**

都行，看顺手。个人推荐先用哪家顺手就用哪家，配不出来的参数来回换着试也不亏，反正都不花钱。

---

配置本身十分钟内能完成，真正花时间的是第二步的索引重建——这一步的时间由文档量决定，急不来。跑通之后，你的文档库就不只是"给人看的仓库"，而是一个能回答问题、能辅助创作的内部 AI。有其他配置上的问题，欢迎在评论区留言，也欢迎关注我，后续继续写 MrDoc 私有化 AI 落地的实操内容。