48.4K+ Star！RAGFlow：一个基于深度文档理解的开源RAG引擎

作者
欢迎关注我，持续获取更多内容，感谢赞&在看~

RAGFlow 简介

RAGFlow[1] 是一个基于深度文档理解的开源 RAG（Retrieval-Augmented Generation，检索增强生成）引擎。

RAGFlow 结合了大型语言模型（LLM），为企业提供真实可靠的问题回答能力，并通过各种复杂格式的数据提供有根据的引用。RAGFlow 适用于各种规模的企业，能够帮助企业高效地处理和利用大量文档数据。

在线示例

项目特点

主要特点

  • 深度文档理解：能够从复杂格式的非结构化数据中提取知识。
  • 模板化分块：智能且可解释，提供多种模板选项。
  • 减少幻觉的引用：支持可视化文本分块，允许人工干预，提供关键参考和可追溯的引用。
  • 兼容多种数据源：支持 Word、幻灯片、Excel、文本、图片、扫描件、结构化数据、网页等多种数据格式。
  • 自动化 RAG 流程：为个人和大型企业量身定制的 RAG 流程，支持多种召回策略和融合重排，提供直观的 API 以无缝集成到业务中。

使用场景

  • 企业知识管理：快速检索和生成企业内部文档中的知识。
  • 智能客服：基于文档提供准确的回答，减少人工客服的工作量。
  • 数据分析：从大量文档中提取关键信息，支持数据驱动的决策。
  • 研究与开发：加速研究过程，快速获取相关文献和资料。

项目使用

系统架构

RAGFlow 的系统架构包括多个模块，如文档解析、知识图谱提取、检索增强生成等。其架构图展示了各个模块之间的交互关系。

系统架构

启动服务器

  1. 硬件要求：
  • CPU：至少 4 核
  • 内存：至少 16 GB
  • 磁盘：至少 50 GB
  • Docker：24.0.0 或更高版本
  • Docker Compose：v2.26.1 或更高版本
  1. 启动步骤：
  • 确保 vm.max_map_count >= 262144。如果需要，可以通过以下命令设置：
sudo sysctl -w vm.max_map_count=262144
  • 克隆项目代码：
git clone https://github.com/infiniflow/ragflow.git
  • 使用预构建的 Docker 镜像启动服务器：
cd ragflow/docker
docker compose -f docker-compose.yml up -d

如果需要使用 GPU 加速，可以使用以下命令：

docker compose -f docker-compose-gpu.yml up -d
  • 检查服务器状态：
docker logs -f ragflow-server
  • 在浏览器中输入服务器 IP 地址，登录 RAGFlow。
  1. 配置文件：
  • .env：存储系统的基本设置，如 HTTP 端口、MySQL 密码等。
  • service_conf.yaml.template：配置后端服务，环境变量会在 Docker 容器启动时自动填充。
  • docker-compose.yml：用于启动系统的配置文件。

构建 Docker 镜像

  • 不包含嵌入模型的 Docker 镜像（约 2 GB）：
git clone https://github.com/infiniflow/ragflow.git
cd ragflow/
docker build --build-arg LIGHTEN=1 -f Dockerfile -t infiniflow/ragflow:nightly-slim .
  • 包含嵌入模型的 Docker 镜像（约 9 GB）：
git clone https://github.com/infiniflow/ragflow.git
cd ragflow/
docker build -f Dockerfile -t infiniflow/ragflow:nightly .

从源代码启动服务（开发用途）

  1. 安装 uv（如果尚未安装）：
pipx install uv
  1. 克隆源代码并安装 Python 依赖项：
git clone https://github.com/infiniflow/ragflow.git
cd ragflow/
uv sync --python 3.10 --all-extras
  1. 使用 Docker Compose 启动依赖服务：
docker compose -f docker/docker-compose-base.yml up -d
  1. 启动后端服务：
source .venv/bin/activate
export PYTHONPATH=$(pwd)
bash docker/launch_backend_service.sh
  1. 安装前端依赖项：
cd web
npm install
  1. 启动前端服务：
npm run dev

参考文档

  • RAGFlow 官方文档[2]
  • 配置指南[3]
  • 用户指南[4]
  • 在线 Demo[5]
  • 开发者指南[6]
  • Discord 社区[7]
  • Twitter[8]

注：本文内容仅供参考，具体项目特性请参照官方 GitHub 页面的最新说明。

欢迎关注&点赞&在看，感谢你的阅读~

资源列表
[1] 

Github地址: https://github.com/infiniflow/ragflow

[2] 

RAGFlow 官方文档: https://ragflow.io/docs/dev/

[3] 

配置指南: https://ragflow.io/docs/dev/configurations

[4] 

用户指南: https://ragflow.io/docs/dev/category/guides

[5] 

在线 Demo: https://demo.ragflow.io/

[6] 

开发者指南: https://ragflow.io/docs/dev/category/developers

[7] 

Discord 社区: https://discord.gg/MFpqqKyB

[8] 

Twitter: https://twitter.com/infiniflowai

（文：AIGC创想者）

发表评论