下一代開源 RAG 引擎，讓你的 AI 檢索與推理能力直接起飛

在大模型席卷各行各業(yè)的當(dāng)下，企業(yè)對(duì) “讓 AI 讀懂自家文檔” 的需求愈發(fā)迫切 —— 但市面上多數(shù) RAG 工具要么卡在 “文檔讀不懂、信息提不出” 的淺層處理，要么依賴付費(fèi)服務(wù)導(dǎo)致成本高企。

直到星哥發(fā)現(xiàn)了ragflow這款開源神器，才算真正解決了 “深度文檔理解 + 低成本落地” 的核心痛點(diǎn)。

今天就帶大家好好拆解下，這款基于深度文檔理解的 RAG 引擎，到底能給企業(yè)和開發(fā)者帶來什么驚喜。

一、RAGFlow 是什么？

RAGFlow 是一款領(lǐng)先的開源檢索增強(qiáng)生成（RAG）引擎，通過融合前沿的 RAG 技術(shù)與 Agent 能力，為大型語言模型提供卓越的上下文層。它提供可適配任意規(guī)模企業(yè)的端到端 RAG 工作流，憑借融合式上下文引擎與預(yù)置的 Agent 模板，助力開發(fā)者以極致效率與精度將復(fù)雜數(shù)據(jù)轉(zhuǎn)化為高可信、生產(chǎn)級(jí)的人工智能系統(tǒng)。

簡(jiǎn)單說，ragflow 是一款開源的檢索增強(qiáng)生成（RAG）引擎，核心定位是 “讓 AI 能真正‘讀懂’復(fù)雜文檔，再生成精準(zhǔn)回答”。和傳統(tǒng) RAG 工具只做 “關(guān)鍵詞匹配” 不同，它的核心優(yōu)勢(shì)落在 “深度文檔理解” 上 —— 不管是 PDF 里的表格、Word 里的多級(jí)標(biāo)題，還是 PPT 里的圖文組合，它都能拆解成結(jié)構(gòu)化信息，避免了 “找得到文檔、卻抽不出關(guān)鍵信息” 的尷尬。

它的目標(biāo)很直接：讓復(fù)雜數(shù)據(jù)轉(zhuǎn)化為高精度、可落地的 AI 系統(tǒng)，無論是個(gè)人項(xiàng)目還是企業(yè)級(jí)應(yīng)用，都能快速部署。

核心亮點(diǎn)：

• ?融合 Agent 能力：不僅能檢索，還能執(zhí)行任務(wù)、調(diào)用工具。

• ?企業(yè)級(jí)可擴(kuò)展性：支持從個(gè)人開發(fā)到大規(guī)模生產(chǎn)環(huán)境的平滑遷移。

• ?預(yù)置模板與工作流：減少重復(fù)造輪子，快速構(gòu)建業(yè)務(wù)場(chǎng)景。

系統(tǒng)：Linux

1. 環(huán)境要求

• ? CPU ≥ 4 核

• ? 內(nèi)存 ≥ 16 GB

• ? 磁盤 ≥ 50 GB

• ? Docker ≥ 24.0.0 & Docker Compose ≥ v2.26.1

確保系統(tǒng)已安裝Docker ≥ 24.0.0且Docker Compose ≥ v2.26.1，以滿足容器編排需求。同時(shí)需配置系統(tǒng)參數(shù)vm.max_map_count≥ 262144（Elasticsearch 運(yùn)行必需），檢查與設(shè)置命令如下：

• ? 檢查當(dāng)前值：sysctl vm.max_map_count

• ? 臨時(shí)設(shè)置：sudo sysctl -w vm.max_map_count=262144（重啟后失效）

• ? 永久生效：編輯/etc/sysctl.conf文件，添加vm.max_map_count=262144并執(zhí)行sudo sysctl -p

# 克隆倉庫 git clone https://github.com/infiniflow/ragflow.git cd ragflow/docker # 啟動(dòng)服務(wù)（CPU 版本） docker compose -f docker-compose.yml up -d 由于測(cè)試機(jī)的80和443端口被占用了，所以需要修改端口號(hào) vi docker-compose.yml 把80和443改成 880和 8443 - ${SVR_HTTP_PORT}:9380 - 880:80 - 8443:443 # GPU 加速版本 docker compose -f docker-compose-gpu.yml up -d

如果你遇到 Docker 鏡像拉不下來的問題，可以在 docker/.env 文件內(nèi)根據(jù)變量 RAGFLOW_IMAGE 的注釋提示選擇華為云或者阿里云的相應(yīng)鏡像。

華為云鏡像名：swr.cn-north-4.myhuaweicloud.com/infiniflow/ragflow 阿里云鏡像名：registry.cn-hangzhou.aliyuncs.com/infiniflow/ragflow vi docker/.env

再執(zhí)行

docker compose -f docker-compose.yml up -d 服務(wù)器啟動(dòng)成功后服務(wù)器狀態(tài)： docker logs -f ragflow-server

報(bào)錯(cuò)：

? redis Error context canceled 1.1s error pulling image configuration: download failed after attempts=1: toomanyrequests: too many requests 把阿里的改成華為的

瀏覽器訪問IP+端口號(hào)，即可進(jìn)入 RAGFlow 管理界面。

img

4.登錄頁面

再登錄即可進(jìn)入RAGFlow后臺(tái)

img 5.系統(tǒng)狀態(tài)img 6.設(shè)置大模型img

查看docker狀態(tài)

 docker ps CONTAINER ID   IMAGE                                                              COMMAND                  CREATED         STATUS                   PORTS                                                                                                                                                                                                                               NAMES d6d392f925af   swr.cn-north-4.myhuaweicloud.com/infiniflow/ragflow:nightly-slim   "./entrypoint.sh"        8 minutes ago   Up 8 minutes             0.0.0.0:5678-5679->5678-5679/tcp, :::5678-5679->5678-5679/tcp, 0.0.0.0:9380->9380/tcp, :::9380->9380/tcp, 0.0.0.0:9382->9382/tcp, :::9382->9382/tcp, 0.0.0.0:880->80/tcp, :::880->80/tcp, 0.0.0.0:8443->443/tcp, :::8443->443/tcp   ragflow-server 57504a5df5f0   elasticsearch:8.11.3                                               "/bin/tini -- /usr/l…"   8 minutes ago   Up 8 minutes (healthy)   9300/tcp, 0.0.0.0:1200->9200/tcp, :::1200->9200/tcp                                                                                                                                                                                 ragflow-es-01 4e481e75a912   quay.io/minio/minio:RELEASE.2025-06-13T11-33-47Z                   "/usr/bin/docker-ent…"   8 minutes ago   Up 8 minutes (healthy)   0.0.0.0:9000-9001->9000-9001/tcp, :::9000-9001->9000-9001/tcp                                                                                                                                                                       ragflow-minio e943a5bfeac4   mysql:8.0.39                                                       "docker-entrypoint.s…"   8 minutes ago   Up 8 minutes (healthy)   33060/tcp, 0.0.0.0:5455->3306/tcp, :::5455->3306/tcp                                                                                                                                                                                ragflow-mysql bb599ec58494   valkey/valkey:8                                                    "docker-entrypoint.s…"   8 minutes ago   Up 8 minutes (healthy)   0.0.0.0:6379->6379/tcp, :::6379->6379/tcp                                                                                                                                                                                           ragflow-redis

RAGFlow 的架構(gòu)由以下核心模塊組成：

• ?數(shù)據(jù)接入層：支持多種數(shù)據(jù)源接入與解析

• ?檢索與索引引擎：默認(rèn) Elasticsearch，可切換到 Infinity

• ?Agent 執(zhí)行層：支持多步推理、工具調(diào)用、代碼執(zhí)行

• ?可視化管理界面：方便非技術(shù)人員參與數(shù)據(jù)管理與調(diào)優(yōu)

架構(gòu)設(shè)計(jì)的重點(diǎn)是解耦與可擴(kuò)展性，方便根據(jù)業(yè)務(wù)需求替換或擴(kuò)展模塊。

• ?企業(yè)知識(shí)庫問答：快速構(gòu)建內(nèi)部知識(shí)問答系統(tǒng)

• ?多模態(tài)文檔解析：支持 PDF、圖片、掃描件等復(fù)雜文檔

• ?智能客服與業(yè)務(wù)助手：結(jié)合 Agent 實(shí)現(xiàn)自動(dòng)化任務(wù)處理

• ?跨語言檢索與推理：支持多語言查詢與回答

RAGFlow 不只是一個(gè) RAG 引擎，它更像是一個(gè)AI 應(yīng)用加速器。

對(duì)于想要快速落地 AI 檢索與推理能力的團(tuán)隊(duì)來說，它的開源、可擴(kuò)展、可視化特性非常有吸引力。

尤其是它的 Agent 能力，讓 RAG 不再只是“查找答案”，而是能執(zhí)行任務(wù)、調(diào)用外部工具、完成多步推理。

如果你正打算構(gòu)建一個(gè)高精度、可追溯、可擴(kuò)展的 AI 系統(tǒng)，RAGFlow 值得你花時(shí)間深入研究。

參考：

- [RAGFlow 官方 GitHub 倉庫](https://github.com/infiniflow/ragflow) - [RAGFlow 在線 Demo](https://demo.ragflow.io/)

寫文不易，如果你都看到了這里，請(qǐng)點(diǎn)個(gè)贊和在看，分享給更多的朋友；也別忘了關(guān)注星哥玩云！這里有滿滿的干貨分享，還有輕松有趣的技術(shù)交流～點(diǎn)個(gè)贊、分享給身邊的小伙伴，一起成長(zhǎng)，一起玩轉(zhuǎn)技術(shù)世界吧！