RAGFlow
活跃简介
领先的开源 RAG 引擎，融合前沿 RAG 技术与 Agent 能力，为 LLM 提供高质量的上下文层，支持深度文档理解、知识库管理和智能检索。
核心特性
- 深度文档理解 — 基于 deepdoc 技术从复杂格式非结构化数据中提取知识，支持 PDF、Word、PPT、Excel、图片等
- 模板化分块 — 提供多种智能分块模板选项，实现可解释的文档切分与知识组织
- 可追溯引用与减少幻觉 — 可视化文本分块结果，支持人工干预，答案附带关键参考来源
- Agent 工作流与 MCP — 支持可编排的 Agent 工作流和 MCP 协议，内置代码执行器组件
- 异构数据源兼容 — 支持 Word、PPT、Excel、图片、扫描件、结构化数据、网页等多种数据格式
- 跨语言查询与数据同步 — 支持跨语言检索，可从 Confluence、S3、Notion、Discord、Google Drive 同步数据
适用场景
💡 企业知识库构建，将内部文档、合同、报告等非结构化数据转化为可检索的知识库
💡 智能客服系统，基于企业文档为 LLM 提供精准上下文，减少回答幻觉
💡 法律与合规文档分析，从大量法律文件中快速检索和引用关键条款
💡 多模态文档问答，解析含图片的 PDF/DOCX 文件并进行跨语言智能问答
💡 研发知识管理，同步技术文档和代码库，为开发团队提供统一的知识检索入口
优势与不足
✅ 优势
- • 活跃维护，近期持续更新
- • 社区热度高（88.6k stars）
- • 开源许可证友好（Apache-2.0）
- • 项目有一定历史沉淀（已维护 2 年）
分类
快速开始
# 确保 Docker >= 24.0.0 和 Docker Compose >= v2.26.1
# 设置系统参数
sysctl -w vm.max_map_count=262144
# 克隆仓库并启动
git clone https://github.com/infiniflow/ragflow.git
cd ragflow
docker compose up -d
# 访问 Web 界面
# 浏览器打开 http://localhost:80
# 在 UI 中配置 LLM 和 Embedding 模型，上传文档即可开始 RAG 问答