infiniflowAI 应用

ragflow

基于深度文档解析与智能体能力的开源 RAG 引擎,用于构建具备可追溯引用的大模型上下文层。

  • 后端
  • 全栈
  • DevOps / 运维
  • 数据
  • 自动化
  • 数据分析
  • 效率 / 生产力
  • Web
  • API/SDK
  • Linux
  • macOS
  • Windows
  • 浏览器
  • 支持自托管
  • 支持本地运行
  • 支持 Docker
  • 需要 API Key
ragflow 截图
社区热度
91.6k Stars
GitHub 收藏
最近活跃
2026/9/30
近 30 天还在更新
授权协议
APACHE-2.0
宽松协议

为什么值得关注

不是看 Star 排名,而是看它解决了什么问题、实际有没有用,以及方法为什么值得关注。

近 90 天

解决的问题

企业知识库和复杂文档进入 LLM 后,真正影响结果的往往不是“有没有向量库”,而是文档理解、切分、检索与上下文组织是否足够可靠,低质量 RAG 会直接放大幻觉和遗漏。

实际价值

RAGFlow 把深度文档理解、检索增强生成和 Agent 能力放在同一套系统里,目标是让团队从原始文档更快构建可追溯、可落地的 LLM 上下文层。

创新 / 差异化

它的重点不是单独包装一个向量检索接口,而是把复杂文档解析和 RAG 质量放到系统核心,再向上连接 Agent 工作流,覆盖“知识进入模型”这一整层。

扩展潜力

高质量上下文层可以被问答、搜索、客服、研究助手和其他 Agent 反复复用,因此它的价值不局限于单一聊天界面。

为什么是现在

模型本身越来越强以后,企业 AI 的瓶颈正转向私有知识如何可靠进入上下文;与此同时 Agent 对可追溯知识和长文档理解的需求又在上升。

社区活跃度

近 90 天新增 447 个 Issue、3444 个 PR;窗口内抽取的 Issue/PR 样本中有 60 位 Issue 发起者、26 位 PR 贡献者,并发布 至少 5 个版本。

维护者响应

窗口内 96 个 Issue 样本关闭率 46%,80 个 PR 样本合并率 85%。维护者评论样本仅覆盖该 Issue 样本的 6%,不足以可靠判断首次响应率与响应速度。

PR 样本 26 位贡献者至少 5 次 ReleasePR 合并率 85% · 80 条窗口样本

核心亮点

  • 基于深度文档理解的非结构化数据知识提取
  • 支持模板化的智能文本分块与可视化展示
  • 提供可追溯的引用标注与溯源以减少幻觉

快速开始

安装方式、上手难度、开始步骤。

装在哪

Docker

难不难

中等,需要一点配置

支持 Docker支持自托管支持本地运行
  1. 01检查并调整宿主机的 vm.maxmapcount 内核参数不低于 262144。
  2. 02克隆 RAGFlow 代码仓库到本地。
  3. 03进入 docker 目录并使用 docker compose 启动服务。
  4. 04查看容器日志确认服务初始化完成,并在浏览器中访问对应服务器 IP 地址。

更适合谁

  • 希望数据放在自己服务器上的团队
  • 想在本机直接跑起来试用的开发者
  • 习惯用 Docker 部署的人

更多介绍

RAGFlow 是一款开源的检索增强生成(RAG)引擎,将前沿的 RAG 技术与智能体(Agent)能力相结合,为大语言模型提供高质量的上下文层。系统专注于解决复杂文档排版中的信息提取难题,通过深度解析、模板化分块与多路召回重排,提供可信赖的溯源引用。

项目提供完整的工作流编排与服务支持,用户可以通过自托管 Docker 快速部署,连接主流大模型 API 建立生产级 AI 知识库系统。

信息来源

每条信息都标注了状态与出处,可展开查看。

12 条 · 展开
  • capability tags

    已核验

    automation、data_analysis、productivity

    来源: admin_cms · cms editor · 2026/8/17

  • 最新版本

    已核验

    v1.0.0-rc1

    来源: GitHub 官方接口 · latest_release=v1.0.0-rc1 · 2026/10/1

  • 许可证

    已核验

    Apache-2.0

    来源: GitHub 官方接口 · license.spdx_id=Apache-2.0 · 2026/10/1

  • needs api key

    已核验

    是

    来源: admin_cms · cms editor · 2026/8/15

  • 一句话用途

    已核验

    {"en":"An open-source RAG engine fusing deep document understanding and agent capabilities to build grounded context layers for LLMs.","zh":"基于深度文档解析与智能体能力的开源 RAG 引擎,用于构建具备可追溯引用的大模型上下文层。"}

    来源: admin_cms · cms editor · 2026/8/15

  • 平台

    已核验

    linux、macos、windows、browser

    来源: admin_cms · cms editor · 2026/8/15

  • 分类线索

    根据材料推断

    ai-apps

    来源: 项目说明文档 · hint=ai-apps · 2026/8/15

  • product forms

    已核验

    web、api_sdk

    来源: admin_cms · cms editor · 2026/8/17

  • role tags

    已核验

    backend、fullstack、devops、data

    来源: admin_cms · cms editor · 2026/8/17

  • supports docker

    已核验

    是

    来源: 仓库文件 · dockerfile=true; compose=true · 2026/10/1

  • supports local

    已核验

    是

    来源: admin_cms · cms editor · 2026/8/15

  • supports self host

    已核验

    是

    来源: admin_cms · cms editor · 2026/8/15

根据分类、能力和适用角色匹配的其他已核验项目。