RAGFlow:开源 RAG 引擎,先把 PDF 表格读准再喂模型

RAGFlow 是英飞流(infiniflow)开源的检索增强生成引擎,主要用 Go 和 Python 写,GitHub 上 9.2 万星、Apache-2.0 协议,免费自建。它做的不是又一个聊天界面,而是在「文档进、答案出」之间补上最难的一环:把带表格、带图表、排版混乱的 PDF 拆成模型真能读懂的片段,再配 Agent 做多步检索。

能干什么

  • 深度文档理解:针对 PDF、Word、Excel、PPT、扫描件等非结构化文档做版面识别,重点处理复杂表格与多栏排版,目标是「进得干净,出得准确」
  • 模板化切分:提供多种切分模板(通用、问答、表格、论文、手册等),切分过程可解释、可回看,不合适能换模板重切,而不是只能调一个 chunk size 碰运气
  • 知识编译:在文档和数据集两个层级把内容编译成 Wiki、图谱、树形结构、PageIndex、思维导图、时间线等结构化产物,方便不同类型的问题各取所需
  • Agentic RAG:内置多步检索与推理,分低/中/高/Ultra 四档思考强度,附带一批预置 Agent 模板,能把「先查再算再答」的流程串起来
  • 数据源同步:支持从 Google BigQuery、网站 sitemap 等来源增量同步,不必每次手工上传整批文件

适合哪些人

  • 手里有几百上千份合同、标书、说明书,想让 AI 能准确引用原文的团队
  • 做企业内部问答、客服知识库,被表格和扫描件折磨过的实施人员
  • 需要私有化部署、数据不能出院的企业(全部组件可自建)
  • 想研究 RAG 工程化细节的开发者,它的切分可视化很适合用来对比例子

参数一览

项目 infiniflow/ragflow
开源协议 Apache-2.0
语言构成 Go(后端服务)+ Python(文档解析与模型编排)+ TypeScript(前端)
部署方式 Docker Compose 一键起,官方另有云服务可先试用
起步配置 官方建议 4 核 CPU / 16GB 内存 / 50GB 磁盘,实际随文量与并发上浮
依赖要求 Docker ≥ 24.0,Docker Compose ≥ v2.26.1
向量/检索后端 可选 Elasticsearch 或 Infinity(用 Infinity 时无需改内核参数)
当前版本 2026-09-29 发布 1.0.0-rc1

快速开始

  1. 先在云服务上开一个免费实例摸清界面,确认切分效果能接受,再决定要不要自建,省掉一上来就折腾环境的时间
  2. 自建就按官方要求准备机器(4 核 16G 起),装好 Docker 与 Compose,克隆仓库后进 docker 目录用 Compose 起服务,注意把镜像版本号写死,别用 latest
  3. 若选 Elasticsearch 作后端,先把宿主机的 vm.max_map_count 调到 262144 并写进 /etc/sysctl.conf,否则容器会反复重启;选 Infinity 可跳过这步
  4. 起好之后先建一个小知识库试水:上传十份同一类型的文档,在切分预览里逐片检查表格是否完整,确认模板合适再批量灌数据

痛点在哪

自己搭知识库的人大多卡在同一处:文档切得不对,后面怎么调都白费。按固定字数硬切,一张跨页表格会被劈成两半,标题和正文被塞进同一个片段,模型检索到的内容看着相关、答出来却错行错列。换更大的模型能救一部分,但成本翻倍,错的地方还是错。RAGFlow 的思路是把切分当成一件需要理解版面的事来做,切完还能让人肉眼看到切到哪、为什么这么切。

几个问题

问:扫描件和图片型 PDF 能识别吗?

答:能,走 OCR 加版面分析的路子,但识别质量取决于扫描清晰度,歪斜、盖章遮挡、手写的部分仍会出错,重要文档建议先抽几页验证。

问:显存不够、没有独立显卡能跑吗?

答:能。RAGFlow 本身负责解析与检索,生成模型可以外接各家 API,本地不跑大模型也能用;要本地推理再按模型大小加显存。

问:跟直接拿 Dify、FastGPT 搭知识库有什么不同?

答:差别主要在文档解析深度。那几个更偏应用编排与对话界面,RAGFlow 把力气花在难文档的切分和可解释性上,文档越脏差距越明显。

问:商用要付费吗?

答:Apache-2.0 协议,自建商用不收费。要注意的是它依赖的向量库、OCR 组件各有自己的许可,大规模商用时逐个确认一遍。

问:中文文档效果如何?

答:官方提供简体与繁体中文文档,界面也有中文,中文切分模板可用;效果仍取决于文档类型,建议先用自己最典型的一批文档实测,别看演示视频下结论。

以上信息据 GitHub 项目页与官方文档整理,代码与用法以仓库当前版本为准。

最后更新:2026-10-27

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。