RAGFlow

RAGFlow是什么？

RAGFlow是 Infiniflow 团队研发的一款开源 RAG 引擎 ( Retrieval Augmented Generation )，致力于深度文档理解和智能问答生成，可支持复杂格式文件数据（PDF, Word, PPT, 影印件、图片等）多路召回与结构化切片成优回答，支持引证返回、语义搜索、上下文语境增强等功能；搭载控文本模板、沙箱代码执行器以及多语言检索能力，提供自动化工作流和 API 接入服务，无论是个人的小项目还是企业的大型系统均可全部接入。可在超长上下文中由大语言模型进行知识问答、数据解析及任务代理，并可根据自身业务需求通过可视化操作界面轻松简化工作流程。

RAGFlow的主要功能特点

• 深度文档理解引擎：支持 PDF、PPT、图片、网页等复杂格式文档的结构化语义抽取，适合非结构化数据。
  
• 高质量智能问答：结合大语言模型和语义检索，在无限上下文中产生有理有据的答案，可以引用快照并溯源。
• 可控文本切片系统：基于模板对文档进行语义切片，可手动可视化调整，解决模型幻觉和可解释性问题。
• 异构数据兼容性：适用于 Word、Excel、影印件、网页以及结构化数据，适合企业级文档融合和知识检索。
• 自动化 RAG工作流：标准的处理链路和 API 接口，适合企业嵌入，支持多路召回、融合重排序等增强组件。
  
• 沙箱代码执行器：集成 Python/JS 沙箱环境，可用于执行代码任务、多步骤推理智能代理和可交互问答。
• 多语言与多模态支持：近期增加了跨语言检索、图文联合解析、互联网增强查询（通过 Tavily）等功能。

应用场景

• 文档解析：处理 PDF、PPT、图片等复杂格式，提取语义信息。
• 智能问答系统：构建企业内部知识库问答，支持语义检索与引用溯源。
• 多轮对话与推理任务：支持长上下文理解与多步骤逻辑处理。
• 代码执行与任务代理：沙箱执行器用于自动化指令与 AI 助理场景。
• 多模态信息处理：图文理解、表格公式解析，适用于学术与专利文档。
• 增强搜索与深度检索：结合互联网搜索功能，构建高质量信息获取平台。

RAGFlow的使用方法

1. 环境准备：安装 Docker（≥v24）与 Docker Compose，推荐 ≥4 核 CPU / ≥16GB 内存。
2. 获取项目：克隆源码 git clone https://github.com/infiniflow/ragflow.git
3. 启动服务：进入 ragflow/docker 目录，执行 docker compose -f docker-compose.yml up -d
4. 配置模型与参数：修改 .env 和 service_conf.yaml.template 文件，设置模型源、API 密钥等
5. 文档上传体验：打开浏览器访问服务器地址，上传 PDF/PPT 等内容体验问答、引用溯源
6. （可选）启用高级功能：Python/JS 沙箱执行器、多模态解析、互联网增强查询等可扩展使用场景