傳統AI工具需將數據傳至伺服器，存在洩露風險。
對於企業同個人用戶，私隱係生命線，本地運算可完全掌控數據流向。
RAG Flow幫你喺本地環境建立安全問答系統，唔使再擔心雲端風險。
跑本地RAG，硬體係關鍵，記憶體、CPU核心數同顯存皆影響效能。
小型模型需幾十GB記憶體，大模型則需更高配置，SSD可加速讀取。
一般16GB顯存可應付多數任務，但高端模型可能需要更多資源。
RAG Flow支援Llama等同系列開源模型，大小由幾GB到幾十GB不等。
小模型速度快但智力有限，大模型準確度高但需更多資源。
系統靈活支援切換，用戶可根據硬體能力同需求自由選擇。
安裝過程簡單，確保電腦裝好Docker後，透過終端機拉取影像檔。
運行容器並設定端口，通常幾分鐘內即可完成部署。
若遇錯誤，檢查端口佔用或依賴庫下載狀態即可解決。
透過瀏覽器上傳PDF，系統自動索引並提供引用原文嘅答案。
本地部署適合高頻使用同高私隱需求，如律師行或醫院。
缺點係硬體限制速度同佔用空間，偶爾使用或硬體差者雲端更划算。
適合律師、醫生等需處理敏感數據，或需頻繁查詢以節省雲端成本嘅用戶。
RAG Flow提供原文引用功能，你可以直接查看答案來自文件邊一段，方便核實。
對於日常文書、代碼生成同簡單對話，現代家用硬件嘅速度完全足夠，甚至因為無網絡延遲而感覺更順暢。
以前需要寫程式，現在有唔少開箱即用嘅工具（如LM Studio、Ollama），幾分鐘內就可以開始運行模型。
可以嘗試量化模型（Quantized Models），佢哊體積細、記憶體需求低，喺普通電腦上都能跑動。
Free download · 免費清單
留低 email，即收模板清單同新片通知。Leave your email for the free template list and new-video notices.
只會用嚟寄清單同新片通知；唔會賣你嘅 email，隨時一句「退訂」即刻停。Used only to send the list and new-video notices. Your address is never sold, and one word — unsubscribe — stops it.