ragflow

让大模型用上你的私有知识，搭建可靠的企业级RAG应用

RAGFlow 是一个开源的检索增强生成（RAG）引擎，深度融合了 RAG 与智能体（Agent）能力，为大型语言模型（LLM）构建高质量的上下文层。它主要解决企业级应用中 LLM 幻觉严重、知识检索不精准、上下文管理复杂等问题。其核心能力包括：基于深度文档理解的智能解析，支持多种复杂格式（如PDF、Word、PPT）并精准提取结构信息；提供可配置的混合检索（关键词+向量+图检索），显著提升召回准确率；内置可视化流程编排，用户可像搭积木一样构建RAG工作流；支持多种大模型接入，并具备灵活的Agent机制，能自动规划任务、调用工具，实现从知识问答到复杂业务处理的跨越。RAGFlow 强调可解释性和可控性，通过引用溯源和权限管理，让 AI 应用更可靠、更安全，适合构建企业知识库、智能客服、辅助决策等场景。

开源 freemium 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 91170

维护状态活跃

是否开源是

定价模式 freemium

项目数据

分类智能体

开发团队infiniflow

所属国家

官网地址https://ragflow.io

GitHubhttps://github.com/infiniflow/ragflow

定价模式freemium

价格说明开源版免费，提供云端托管服务，有免费额度，高级功能需付费。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Go

技术栈/模型agent-harness,agentic-ai,agentic-nagive,agentic-retrieval,agentic-search,ai,ai-agents,context-engine,context-engineering,context-management,harness-engineering,knowledge-compilation,rag,retrieval-augmented-generation,search-harness

GitHub 星标★ 91170

30天Star增速

HF 下载量

上线时间2023-12-12 00:00:00

最近更新2026-09-22 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数9

使用教程

难度：进阶约 20 分钟部署方式：Docker 6 步

环境要求

已安装 Docker 与 Docker Compose（需能执行 docker compose 命令）
磁盘空间足够，镜像约 2 GB
可访问外部 LLM 与 Embedding 服务（RAGFlow 依赖外部模型服务）
如自行构建镜像，建议使用 linux/amd64 平台

安装与启动步骤

1克隆项目仓库

把 RAGFlow 代码拉到本地并进入项目根目录，后续的 Docker 构建与配置都在此目录下进行。
```
git clone https://github.com/infiniflow/ragflow.git
cd ragflow/
```
2修改基础配置

编辑 docker/.env，设置系统基础参数，如 SVR_HTTP_PORT、MYSQL_PASSWORD、MINIO_PASSWORD。
```
vim docker/.env
```
3调整服务端口

默认 HTTP 端口为 80。若被占用，打开 docker/docker-compose.yml 把 80:80 改为 <你的端口>:80。
```
vim docker/docker-compose.yml
```
4启动所有容器

在 docker 目录下用 docker-compose.yml 拉起全部服务，-d 表示后台运行。
```
cd docker
docker compose -f docker-compose.yml up -d
```
5（可选）自行构建镜像

如需自建镜像，在项目根目录执行 docker build，镜像大小约 2 GB。
```
docker build --platform linux/amd64 -f Dockerfile -t infiniflow/ragflow:nightly .
```

6（可选）代理环境构建

若处于代理网络后，可通过 build-arg 传入 http_proxy / https_proxy 后再构建镜像。

docker build --platform linux/amd64 
  --build-arg http_proxy=http://YOUR_PROXY:PORT 
  --build-arg https_proxy=http://YOUR_PROXY:PORT 
  -f Dockerfile -t infiniflow/ragflow:nightly .

关键配置

配置项	必填	说明	示例
`SVR_HTTP_PORT`	是	系统 HTTP 服务端口，在 docker/.env 中设置	`80`
`MYSQL_PASSWORD`	是	MySQL 数据库密码，在 docker/.env 中设置	`infini_rag_flow`
`MINIO_PASSWORD`	是	MinIO 对象存储密码，在 docker/.env 中设置	`infini_rag_flow`
`docker-compose.yml 中的 80:80`	否	左侧改为自定义宿主端口即可更换访问端口	`8080:80`
`http_proxy / https_proxy`	否	构建镜像时的代理参数，网络受限时使用	`http://YOUR_PROXY:PORT`

如何确认成功

浏览器访问 http://localhost（或你自定义的端口），能看到 RAGFlow 界面即启动成功；也可用 docker compose ps 查看容器状态。

常见问题

Q：80 端口被占用了怎么办？

A：打开 docker/docker-compose.yml，把 80:80 改成 <你的端口>:80，然后重新执行 docker compose -f docker-compose.yml up -d 使配置生效。

Q：改了配置为什么不生效？

A：README 说明对上述配置的修改需要重启所有容器才会生效，重新执行 docker compose -f docker-compose.yml up -d 即可。

Q：构建镜像时下载失败怎么办？

A：可在 docker build 时通过 --build-arg http_proxy=http://YOUR_PROXY:PORT --build-arg https_proxy=http://YOUR_PROXY:PORT 传入代理。

Q：service_conf.yaml.template 里的变量从哪来？

A：该文件中的环境变量会在 Docker 容器启动时自动填充，容器内已有的环境变量均可使用，具体说明见 docker/README。

注意事项

自行构建的镜像约 2 GB，且依赖外部 LLM 与 Embedding 服务。
所有配置改动都需要重启全部容器才能生效。
docker/README 提供了环境变量与各服务配置的详细说明，可作为 service_conf.yaml.template 中 ${ENV_VARS} 的参考。

核心亮点

深度文档解析：对PDF、表格、图片等复杂格式解析精准，能保留版面结构，优于多数同类方案
混合检索+可解释性：融合全文、向量、图检索，结果更准，且答案带引用溯源，便于验证
可视化编排：拖拽式工作流设计，降低开发门槛，快速搭建复杂RAG应用

不足之处

部署资源要求较高，默认配置下对服务器内存和计算性能有门槛
文档/社区待观察：部分高级功能配置细节文档不够详尽，社区活跃度有待提升

适用场景

企业知识库问答：快速构建内部文档、制度、技术手册的智能问答系统
智能客服与助手：基于产品手册、FAQ等资料，提供精准的客服支持
行业研究分析：对大量研报、论文进行检索、总结和对比分析

替代项目

Dify、FastGPT、LangChain

项目介绍

ragflow 是搜索知识领域的开源项目，由 infiniflow 开发，2023 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（91,170）位列前 1%，在搜索知识分类的 581 个项目里位列前 1%。

近 44 天，它的 GitHub 星标从 87,120 增加到 91,170，净增 4,050。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。开源版免费，提供云端托管服务，有免费额度，高级功能需付费。从国内网络环境看，可直接访问。

它主要面向的使用场景是：企业知识库问答：快速构建内部文档、制度、技术手册的智能问答系统。同类可对比的替代方案包括 Dify、FastGPT、LangChain。

上一篇：KAG

下一篇：siyuan