RAGFlow

RAGFlow 是什么？

RAGFlow 是由 InfiniFlow 维护的开源检索增强生成引擎，核心代码采用 Apache 2.0 许可证。它重点解决的不是“如何做一个聊天框”，而是怎样把格式复杂的文档转换成可检索、可追溯的知识，再把这些知识交给语言模型与智能体使用。

对于企业手册、扫描件、表格、研究资料等内容，回答质量往往受解析、切分和检索影响。RAGFlow 把这些步骤放进相对完整的流程，让使用者能够检查文档处理结果、调整检索策略，并把知识库接入应用或智能体。

核心能力

• 处理多种文档与数据：支持 PDF、Office 文档、图片、扫描件、网页等类型，适合资料格式不统一的知识库建设。真实效果仍取决于原文件质量，复杂排版、模糊扫描和特殊表格需要人工抽查。
• 让知识切分更可检查：提供分块模板与处理流程，允许查看解析后的内容，避免只看到最终回答却不知道错误来自哪个环节。
• 结合不同检索方式：将向量检索、关键词检索与重排序组合起来，面向语义相似与精确术语并存的任务。参数和模型应通过自己的问题集评估，而不是直接照搬默认设置。
• 支持智能体编排：可在可视化工作流中结合知识检索、工具与 MCP，将问答扩展成多步骤任务。引用来源便于读者回到原文核对，但并不消除模型幻觉。
• 进一步组织知识：项目提供知识编译与多轮检索能力，可将资料组织为 Wiki、图谱或其他结构化结果，并按问题复杂程度调整检索推理深度。

适合哪些人？

它更适合愿意投入数据整理与部署运维的技术团队：例如把设备手册变成维修查询助手，把产品资料变成内部支持知识库，或为研究人员提供可追溯的资料检索。只有少量纯文本、主要需求是个人日常聊天时，轻量桌面工具可能更省事。

怎样开始？

1. 先选一个小型资料集和明确任务，整理正确答案与引用位置，建立后续评估标准。
2. 按官方 Docker 指南选择对应发布标签。官方建议的起步配置为 4 核 CPU、16GB 内存、50GB 可用空间；文档规模、并发和本地模型会带来额外需求。
3. 配置依赖服务、持久化存储、模型与嵌入服务，确认健康检查通过后再进入 Web 界面。对外部署前应更换默认凭据、限制网络入口并设置备份。
4. 创建数据集、选择解析与分块方式，上传资料后检查文字、表格与关键字段是否正确。
5. 建立基于数据集的聊天应用，用测试问题检查召回片段和引用；再调整重排序、模型和工作流，不要只凭回答流畅程度判断质量。

版本与费用限制

2026 年 10 月 16 日的 v1.0.0-rc2 仍带有 RC 候选版标识，采用前应阅读相应版本文档，不能把它写成已经正式稳定的 1.0。开发版文档可能包含超出旧发布包的功能，升级前需要检查数据迁移和兼容性。

开源自托管与 RAGFlow Cloud 是不同使用方式。自托管代码可以按许可证使用，但服务器、存储、模型推理和运维并非零成本；云服务则有各自套餐、额度和条款。若连接外部语言模型或数据源，需另外确认数据流向与访问权限。重要业务结论仍应由人员结合原文判断，不能把有引用的回答视为自动正确。

与同类项目怎么选？

推荐理由：当项目瓶颈不在聊天界面，而在“文档读得对不对、问题能否检索到正确证据”时，RAGFlow 的流程化能力更有价值。建议先证明一类真实资料的检索质量，再扩展数据量和自动化范围。

官方入口：RAGFlow 官网 · GitHub 源码 · 部署文档 · v1.0.0-rc2 发布记录 · 云服务与自托管条款说明