infiniflow/ragflow

RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fuses cutting-edge RAG with Agent capabilities to create a superior context layer for LLMs

📚 RAGFlow 是什么？

RAGFlow 是一个开源的**检索增强生成（RAG）*平台，在大型语言模型（LLM）之上添加了智能体*层。它允许您导入各种类型的文档（PDF、Word、电子表格、图像、网页等），将其转换为可搜索的嵌入，然后通过检索最相关的块并让 LLM 对其进行推理来回答问题。系统还支持多步“智能体”检索，模型可以将复杂查询分解为子问题、获取证据，并在回答前验证答案。

🚀 快速开始

云服务 – 在 https://cloud.ragflow.io 试用托管服务。
本地部署 – 使用 Docker（快速）或从源码构建（完全控制）。README 提供了两种方式的逐步命令，包括硬件要求（例如，4 CPU / 16 GB RAM）和 Docker-Compose 设置。

✨ 核心功能

功能	说明
基于模板的分块	智能、可解释的分块，为不同文档类型提供多种预设模板。
知识编译	将原始块转换为更高级别的产物，如维基、图谱、思维导图、时间线或技能树。
智能体检索	多轮检索与推理；选择低、中、高、超高思考模式以控制深度。
基于引用的回答	显示使用了哪些块，减少幻觉并提供可追溯的引用。
异构数据源	处理 Word、PPT、Excel、PDF（包括扫描件）、图像、结构化数据、网页等。
可配置模型	通过简单的提供商界面插入任何 LLM、嵌入模型或重排序器。
可扩展架构	独立服务（Admin、Ingestor、Syncer、API），可在 Docker 或裸机上运行；支持 MySQL、Elasticsearch 或内置的 Infinity 引擎。

🏗️ 系统架构（高层）

前端 – React Web UI。
API 服务 – 供 UI 和 SDK 使用的 REST 端点。
Ingestor – 解析文档，运行 OCR/布局分析（DeepDoc），并创建嵌入。
Syncer – 定期从外部源（例如 Google BigQuery、站点地图）拉取数据。
Admin – 数据集、模型、用户和系统健康的管理控制台。
依赖 – MySQL、MinIO（对象存储）、NATS（消息传递）、KVROCKS（键值存储）、可选的 Elasticsearch/Infinity 用于向量搜索。

📦 安装快速参考

Docker（推荐大多数用户使用）

git clone https://github.com/infiniflow/ragflow.git && cd ragflow/docker
git checkout v1.0.0-rc2
docker compose up -d
验证健康状态：curl -f http://localhost/api/v1/system/healthz
在浏览器中打开 http://<host> 并登录。
在 模型提供商 页面添加您的 LLM、嵌入模型和重排序器。

从源码构建（开发者）

安装 Go 1.27、Clang 20、CMake ≥ 4、PCRE2、Node.js（用于 UI）。
运行 uv run tools/scripts/download_dev_deps.py 获取原生库和 DeepDoc 模型。
运行 ./build.sh --all 编译所有服务。
启动依赖容器（docker compose … es01 mysql minio nats kvrocks）。
运行迁移：./bin/ragflow_server --migrate。
在单独的终端中启动每个服务（--admin、--ingestor、--syncer、--api）。
（可选）cd web && npm install && npm start 启动 React UI。

🎯 典型用例

企业知识库 – 将内部文档、手册和电子表格转换为可搜索的 AI 助手。
客户支持 – 回答工单时检索精确的政策摘录或故障排除步骤。
研究助手 – 将学术论文编译为图谱或时间线，并让智能体回答综合问题。
数据驱动应用 – 将结构化数据源（BigQuery、数据库）与非结构化文件结合，实现统一的 LLM 驱动分析。

📚 文档与资源

快速入门与配置：https://ragflow.io/docs/dev/
用户指南、开发者指南、常见问题解答和 API 参考均托管在同一网站上。
发布说明和路线图在 GitHub 上公开。

🤝 社区与贡献

Discord：https://discord.gg/NjYzJD3GM3
X（Twitter）：https://x.com/infiniflowai
GitHub Discussions 用于问答。
欢迎贡献；请参阅 README 中链接的贡献指南。

📄 许可证

Apache-2.0 – 宽松的开源许可证，允许商业使用、修改和分发。

总结： RAGFlow 提供了一个生产级、可自托管的 RAG 引擎，内置智能体推理、广泛的数据源支持，以及将原始文档转换为结构化知识产物的工具。它适合需要可定制、可扩展的 AI 增强搜索和回答系统的开发者和企业。