RAGFlow 功能整理:領先開源 RAG 引擎的深度解析

2 分鐘閱讀時長

發布時間:

RAGFlow 功能整理:領先開源 RAG 引擎的深度解析

RAGFlow 是一款領先的開源檢索增強生成(RAG)引擎,通過融合前沿的 RAG 技術與 Agent 能力,為大型語言模型提供卓越的上下文層。

專案基本資訊

項目資訊
倉庫infiniflow/ragflow
授權Apache License 2.0
Stars⭐ 88,417
Forks🍴 10,378
主要語言Go / Python / TypeScript
最新版本v0.26.4
建立時間2023-12-12
最後更新2026-08-14
文件語言英、中簡、繁中、日、韓、法、印尼、葡、阿、土、俄

核心功能

1. 🍭 DeepDoc 深度文檔理解

RAGFlow 的 DeepDoc 模組提供業界領先的非結構化數據解析能力:

  • OCR 文字辨識:從圖片和 PDF 中精確提取文字,支援多語言
  • 版面分析(Layout Recognition):自動識別 10 種基本版面元件:
    • 文字區、標題、圖片、圖片說明、表格、表格說明、頁首、頁尾、參考文獻、公式
  • 表格結構識別(TSR):識別列、行、列標題、投影行標題、跨欄儲存格等結構
  • 表格自動旋轉:掃描 PDF 中方向錯誤的表格,自動偵測最佳旋轉角度(0°/90°/180°/270°)
  • 多模態解析:使用多模態模型解析 PDF/DOCX 中的圖片,生成文字描述
文件類型支援狀態
PDF(含掃描件)✅ 完整支援,含 OCR
Word (DOCX)✅ 完整支援
Excel (XLSX)✅ 完整支援
PowerPoint (PPTX)✅ 完整支援
圖片✅ OCR 支援
網頁✅ 支援
結構化數據✅ 支援

2. 🍱 模板化文本切片(Template-based Chunking)

  • 智能且可解釋:不僅是智能,更重要的是可控可解釋
  • 多種模板選擇:提供豐富的切片模板供開發者選擇
  • 可視化文本切片:讓使用者可以直觀地查看和理解文本被如何切分
  • 手動干預支持:允許使用者對自動切片結果進行手動調整
  • 精確引用溯源:支持追溯答案來源的具體文本片段

3. 🌱 減少幻覺的有根據引用

  • 文本切片可視化:允許人類干預切片過程
  • 快速查看關鍵引用:答案提供關鍵引用的快照
  • 可追溯引用:支持追根溯源,驗證答案的準確性
  • 「Quality in, quality out」:通過高質量的文檔處理減少錯誤輸出的傳播

4. 🍔 異構數據源兼容性

RAGFlow 支援廣泛的數據來源:

數據類型支援
Word、PPT、Excel✅
TXT 文件✅
圖片、掃描件✅
結構化數據✅
網頁✅
Confluence✅ (2025-11)
S3 物件儲存✅ (2025-11)
Notion✅ (2025-11)
Discord✅ (2025-11)
Google Drive✅ (2025-11)

5. 🛀 自動化 RAG 工作流

  • 流暢的 RAG 協調:適配個人和大型企業的各類生態系統
  • 可配置 LLM:支援多種大模型提供商
  • 可配置 Embedding 模型:靈活選擇向量模型
  • 多路召回 + 融合重排序:提高檢索準確性
  • 易用的 API:方便集成到企業系統

6. 🤖 Agent 智能代理

RAGFlow 提供強大的 Agent 能力:

  • 可編程的 Agent 工作流:通過 DSL 定義複雜的代理工作流
  • 預置 Agent 模板:提供多種場景的 Agent 模板
  • 記憶功能(Memory):支持 AI Agent 的長期記憶(2025-12)
  • 代碼執行器:支援 Python/JavaScript 代碼執行(2025-05)
  • 沙箱環境:安全的代碼執行環境
  • 插件系統:可扩展的插件架構

7. 🔌 MCP 協議支援

  • MCP Server:內建 MCP 伺服器實現
  • MCP Client:支援作為 MCP 客戶端連接
  • 可編程的 Agent 工具調用:支援 MCP 工具調用連接

8. 📊 可編排數據管道

  • 數據同步:支持從 Confluence、S3、Notion、Discord、Google Drive 同步數據
  • 數據匯入管道:可編排的數據匯入流程
  • MinerU & Docling 支援:支援 MinerU 和 Docling 作為文檔解析方法

9. 💬 多渠道聊天支援

  • 飛書 ✅
  • Discord ✅
  • Telegram ✅
  • Line ✅
  • 更多渠道持續支援中

10. 🔍 先進 RAG 功能

  • GraphRAG:圖譜增強的檢索
  • Flow 工作流:可視化的 RAG 流程編排
  • Advanced RAG:進階的 RAG 技術實現
  • 圖譜檢索:支援知識圖譜相關的檢索場景

技術架構

┌─────────────────────────────────────────────┐
│                 Frontend (Web)               │
│          React + TypeScript + Tailwind       │
└──────────────────┬──────────────────────────┘
                   │ API
┌──────────────────▼──────────────────────────┐
│              Backend (Go)                    │
│  ┌───────────┐ ┌──────────┐ ┌───────────┐  │
│  │  Agent    │ │  RAG     │ │  Admin    │  │
│  └───────────┘ └──────────┘ └───────────┘  │
│  ┌───────────┐ ┌──────────┐ ┌───────────┐  │
│  │  DeepDoc  │ │  MCP     │ │  Channel  │  │
│  └───────────┘ └──────────┘ └───────────┘  │
│  ┌───────────┐ ┌──────────┐ ┌───────────┐  │
│  │  Memory   │ │  Parser  │ │  Engine   │  │
│  └───────────┘ └──────────┘ └───────────┘  │
└──────────────────┬──────────────────────────┘
                   │
┌──────────────────▼──────────────────────────┐
│              Data Layer                      │
│  Elasticsearch / Infinity │ MinIO │ Redis   │
│              MySQL                                  │
└─────────────────────────────────────────────┘

系統要求

組件最低要求
CPU≥ 4 核心
記憶體≥ 16 GB
硬碟≥ 50 GB
Docker≥ 24.0.0 + Docker Compose ≥ v2.26.1
Python≥ 3.13
gVisor僅沙箱功能需要

⚠️ 目前官方 Docker 鏡像僅支援 x86 架構,ARM64 需自行編譯。

數據庫引擎選擇

RAGFlow 提供兩種文檔引擎:

  • Elasticsearch:預設引擎,穩定成熟
  • Infinity:可選引擎(infiniflow 自家開發),支援切換

最新功能時間線

日期功能
2026-06-15支持飞书、Discord、Telegram、Line 等多种聊天渠道
2026-04-24支持 DeepSeek v4
2025-12-26支持 AI Agent 的「记忆」功能
2025-11-19支持 Gemini 3 Pro
2025-11-12支持从 Confluence、S3、Notion、Discord、Google Drive 同步
2025-10-23支持 MinerU & Docling 文档解析
2025-10-15支持可编排的数据管道
2025-08-08支持 OpenAI GPT-5 系列模型
2025-08-01支持 Agentic Workflow 和 MCP
2025-05-23Agent 新增 Python/JS 代码执行器
2025-03-19多模态模型解析 PDF/DOCX 中的图片

總結

RAGFlow 是一款功能完備、持續迭代的開源 RAG 引擎。其核心優勢包括:

  • DeepDoc 深度文檔理解:業界領先的非結構化數據解析能力
  • 模板化文本切片:智能且可控可解釋的切片方案
  • Agent 能力:內建可編程的 Agent 工作流和記憶功能
  • MCP 協議:原生支援 Model Context Protocol
  • 多渠道整合:支持多種聊天渠道整合
  • 開源 Apache 2.0:允許商業使用

適合需要構建企業級知識庫、智能客服、文檔問答等場景的開發者和企業團隊。