ragflow

让大模型用上你的私有知识,搭建可靠的企业级RAG应用

开源 🏷️基础免费,高级付费 ✅ 目前可打开 智能体 🍴 复刻 11253 🐛 待处理 1339 👀 关注 360
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 93746
维护状态 活跃
是否开源 开源
定价模式 🏷️基础免费,高级付费 支持限时试用 · 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。

项目预览

ragflow 项目界面预览图
图片来源:项目官网

项目数据

分类智能体
开发团队infiniflow
官网地址https://ragflow.io
定价模式🏷️基础免费,高级付费
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✅ 目前可打开
是否开源是
开源协议Apache-2.0
主要语言Go
技术栈/模型agent-harness,agent-native-database,agentic-ai,agentic-retrieval,agentic-search,ai,ai-agents,context-engine,context-engineering,context-management,harness-engineering,knowledge-compilation,rag,retrieval-augmented-generation,retrieval-harness,search-harness
GitHub 星标★ 93746
上线时间2023-12-12 00:00:00
代码更新2026-11-06
仓库体积187.9 MB
本站数据更新2026-11-08
维护状态活跃
收录时间2026-08-09
浏览次数11

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 93746

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

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. 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. 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. 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. 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. 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. 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

上一篇:KAG

下一篇:siyuan

同类项目推荐

union-search-skill 开源

一次搜索 51 个渠道,按链接去重汇总

一次搜索 51 个渠道,默认返回每个渠道取到的全部结果,再按页面地址去重。覆盖网页、GitH···

★ 770 2026-11-07
chatPDF 开源

上传 PDF,直接提问,AI 秒回答案

Load a PDF file and ask questions via llama_index and GPT

★ 101 2026-08-09
RAGNotebook 开源

让笔记变聪明,用自然语言问你的知识库

基于LangChain、LangGraph、FastAPI和React的RAG项目,主分支为基于知识图谱的知识管理平台···

★ 485 2026-08-09
MimirQ 开源

中文企业知识库,从解析到引用全流程可控,直接接入 Dify 用

中文优先的企业 RAG 知识库:可控解析、治理、切块、混合检索、重排、引用、图谱、评测与 ···

★ 592 2026-08-09
SAG 开源

用全新检索架构,让大模型回答更准、更靠谱

A new SOTA for RAG — an original retrieval architecture and an open-source knowledg···

★ 2774 2026-08-09
vanna 开源

用大白话问数据库,自动生成SQL并出结果,告别手写查询。

Chat with your SQL database . Accurate Text-to-SQL Generation via LLMs using Agentic···

★ 23802 2026-08-09
UniversalRAG 开源

一套 RAG 搞定文本、表格、图像,多粒度检索更精准

[ACL 2026 Oral] UniversalRAG: Retrieval-Augmented Generation over Corpora of Diverse···

★ 178 2026-08-09
RAGHub 开源

一站式逛遍 RAG 生态,快速找到你需要的框架和资源。

A community-driven collection of RAG (Retrieval-Augmented Generation) frameworks, pr···

★ 2020 2026-08-09
MRAG 开源

多角度检索,让大模型回答复杂问题更全面

Official Implementation of "Multi-Head RAG: Solving Multi-Aspect Problems with LLMs"

★ 242 2026-08-09