下一代開源 RAG 引擎，讓你的 AI 檢索與推理能力直接起飛

2025-09-09 22:35:56　來源: 星哥說事

廣東舉報

分享至

在大模型席卷各行各業(yè)的當(dāng)下，企業(yè)對 “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。

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)級的人工智能系統(tǒng)。

簡單說，ragflow 是一款開源的檢索增強生成（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)勢落在 “深度文檔理解” 上 —— 不管是 PDF 里的表格、Word 里的多級標(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)，無論是個人項目還是企業(yè)級應(yīng)用，都能快速部署。

核心亮點：

?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)級可擴展性：支持從個人開發(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)場景。

img 二、安裝RAGFlow

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。同時需配置系統(tǒng)參數(shù)vm.max_map_count≥ 262144（Elasticsearch 運行必需），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

2. 安裝步驟

# 克隆倉庫 git clone https://github.com/infiniflow/ragflow.git cd ragflow/docker # 啟動服務(wù)（CPU 版本） docker compose -f docker-compose.yml up -d 由于測試機的80和443端口被占用了，所以需要修改端口號 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

img

再執(zhí)行

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

報錯：

? 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

img 3. 訪問服務(wù)

瀏覽器訪問IP+端口號，即可進入 RAGFlow 管理界面。

img

4.登錄頁面

再登錄即可進入RAGFlow后臺

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

三、系統(tǒng)架構(gòu)概覽

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 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)計的重點是解耦與可擴展性，方便根據(jù)業(yè)務(wù)需求替換或擴展模塊。

四、應(yīng)用場景

?企業(yè)知識庫問答：快速構(gòu)建內(nèi)部知識問答系統(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 實現(xiàn)自動化任務(wù)處理
?跨語言檢索與推理：支持多語言查詢與回答

五、星哥的觀點

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

對于想要快速落地 AI 檢索與推理能力的團隊來說，它的開源、可擴展、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)建一個高精度、可追溯、可擴展的 AI 系統(tǒng)，RAGFlow 值得你花時間深入研究。

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，請點個贊和在看，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～點個贊、分享給身邊的小伙伴，一起成長，一起玩轉(zhuǎn)技術(shù)世界吧！

特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務(wù)。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.