RAGFlow 开源 RAG 引擎

项目简介

RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，由 infiniflow 团队开发。它深度融合了前沿的 RAG 技术与智能体（Agent）能力，旨在为大型语言模型（LLM）构建一个高质量的上下文层。RAGFlow 提供了一套精简且高效的 RAG 工作流，能够适配从个人到大型企业的不同规模需求。凭借其融合的上下文引擎和预置的智能体模板，RAGFlow 使开发者能够将复杂的数据高效、精准地转化为可用于生产环境的 AI 系统。

核心功能

• 深度文档理解：基于 DeepDoc 技术，能够从版式复杂的非结构化数据（如扫描件、PDF、表格）中精准提取知识。
• 模板化分块：提供多种智能、可解释的分块模板，用户可根据文档类型选择最佳策略，并可进行可视化人工干预。
• 基于引用的答案生成：答案会附带可追溯的引用来源，用户可快速验证信息，有效减少大模型幻觉。
• 异构数据源兼容：支持 Word、Slides、Excel、TXT、图片、扫描件、结构化数据及网页等多种数据格式。
• 自动化 RAG 工作流：提供从数据导入、分块、索引到检索、重排序、生成的端到端自动化流程，并支持通过 API 集成。
• Agent 能力融合：支持创建智能体工作流，并可通过 MCP（模型上下文协议）集成外部工具，实现更复杂的推理和操作。
• 灵活的模型配置：支持配置多种主流 LLM 和嵌入模型，并支持多路召回与融合重排序策略。

使用场景

• 企业智能问答：基于内部文档构建客服或员工助手，提供准确、有据可查的答案。
• 知识库管理：将散落的数据进行整合、分块和索引，形成统一、易检索的企业知识库。
• 内容创作辅助：为写作、报告生成等场景提供基于事实的素材检索和内容引用。
• 智能数据分析：通过自然语言交互方式查询和分析结构化数据。
• Agent 应用开发：作为 Agent 的"记忆"或"上下文"组件，为智能体提供实时、相关的业务数据支撑。

推荐人群

• AI 应用开发者：希望快速构建基于私有知识库的 RAG 应用。
• 企业技术团队：需要打造安全、可控、可追溯的企业级 AI 助手。
• 数据科学家与算法工程师：关注 RAG 技术细节，希望进行研究和原型验证。
• 技术决策者与架构师：评估和选型开源 RAG 解决方案。
• 开源技术爱好者：对 RAG、Agent 和 LLM 应用开发感兴趣。

快速开始

环境要求

• CPU >= 4 核
• RAM >= 16 GB
• Disk >= 50 GB
• Docker >= 24.0.0 & Docker Compose >= v2.26.1

启动服务

1. 克隆仓库：git clone https://github.com/infiniflow/ragflow.git
2. 进入 docker 目录：cd ragflow/docker
3. 启动服务：docker compose -f docker-compose.yml up -d
4. 在浏览器中访问 http://IP_OF_YOUR_MACHINE 登录 RAGFlow。
5. 在 service_conf.yaml.template 中配置你选择的 LLM 厂商和 API Key。

社区与支持

• 官网: https://ragflow.io
• 文档: https://ragflow.io/docs/dev/
• Discord: 加入讨论

声明：本文内容由 AI 助手根据公开的 GitHub 仓库信息整理生成，旨在提供项目概览和入门指导。项目功能、特性及配置方式可能随版本更新而变化，请以 RAGFlow 官方文档 和 GitHub 仓库 的最新信息为准。

来源信息

• 原始仓库: infiniflow/ragflow
• 作者: infiniflow
• 开源协议: Apache License 2.0
• Stars: ⭐ 87207
• Forks: 🍴 10266
• 编程语言: Go

---

⚠️ 内容由 AI 整理，信息以原项目为准。请前往 原项目 查看最新信息。