RAGFlow - 基於深度文檔理解的開源RAG引擎

項目概述

RAGFlow是一個基於深度文檔理解的開源RAG（檢索增強生成）引擎。它為各種規模的企業提供簡化的RAG工作流程，結合大語言模型（LLM）提供真實可靠的問答能力，並從各種複雜格式的數據中提供有據可查的引用。

核心特性

🧠 深度文檔理解

• 基於複雜格式的非結構化數據進行知識提取
• 支持在無限制tokens的"數據大海撈針"中精準查找
• 智能且可解釋的處理結果

📄 多格式文檔支持

• 支持格式：Word文檔、PPT演示文稿、Excel表格、文本文件、圖片、掃描件、結構化數據、網頁等
• 處理能力：多模態模型支持PDF或DOCX文件中的圖像理解
• 可視化分塊：文本分塊可視化，允許人工干預優化

🎯 精準檢索與引用

• 提供關鍵參考文獻的快速查看
• 可追溯的引用來源支持基於事實的答案
• 多種召回策略配合融合重排序
• 關鍵詞提取和相關問題生成，提高檢索準確性

🔧 靈活配置

• 可配置的LLM和嵌入模型
• 豐富的模板選項
• 知識圖譜提取和應用的多種配置選項
• 支持文本到SQL語句的轉換

🌐 企業級應用

• 適用於個人和大型企業的簡化RAG編排
• 直觀的API，無縫集成業務系統
• 結合互聯網搜索（Tavily），支持任何LLM的深度研究推理

系統架構

RAGFlow採用模塊化設計，主要包含以下組件：

• 前端界面：基於React的用戶交互界面
• 後端服務：Python構建的核心處理引擎
• 文檔處理引擎：DeepDoc深度文檔理解模塊
• 向量存儲：支持Elasticsearch和Infinity
• 數據存儲：MySQL、Redis、MinIO等
• 模型服務：支持多種LLM和嵌入模型

技術要求

最低系統配置

• CPU：≥ 4核心
• 內存：≥ 16 GB
• 磁盤空間：≥ 50 GB
• Docker：≥ 24.0.0
• Docker Compose：≥ v2.26.1

支持平台

• 主要支持x86平台
• ARM64平台需要自行構建Docker鏡像

安裝部署

Docker快速部署

# 克隆倉庫
git clone https://github.com/infiniflow/ragflow.git

# 進入docker目錄
cd ragflow/docker

# 啟動服務（CPU版本）
docker compose -f docker-compose.yml up -d

# 啟動服務（GPU加速版本）
docker compose -f docker-compose-gpu.yml up -d

鏡像版本說明

鏡像標籤	大小	包含嵌入模型	穩定性
v0.18.0	~9GB	✔️	穩定版本
v0.18.0-slim	~2GB	❌	穩定版本
nightly	~9GB	✔️	開發版本
nightly-slim	~2GB	❌	開發版本

源码开发部署

支持從源碼啟動開發環境，包括Python環境配置、依賴服務啟動、前後端服務啟動等完整流程。

配置管理

系統通過以下配置文件進行管理：

• .env：基礎系統配置（HTTP端口、數據庫密碼等）
• service_conf.yaml.template：後端服務配置
• docker-compose.yml：Docker容器編排配置

應用場景

• 企業知識管理：構建內部知識庫問答系統
• 文檔智能分析：複雜格式文檔的智能解析和查詢
• 客戶服務：基於企業文檔的智能客服系統
• 研究輔助：學術文獻和研究資料的智能檢索
• 數據分析：結構化和非結構化數據的統一查詢

RAGFlow通過其強大的文檔理解能力和靈活的配置選項，為各行業提供了一個可靠的RAG解決方案，是構建智能問答系統的理想選擇。