RAGFlow:開源 RAG 引擎與 Agent 平台功能總覽
發布時間:
RAGFlow:開源 RAG 引擎與 Agent 平台功能總覽
專案概覽
RAGFlow 是一個領先的開源 Retrieval-Augmented Generation(RAG)引擎,融合最先進的 RAG 與 Agent 能力,為 LLM 打造優質的上下文層。它提供可適應任何規模企業的簡化 RAG 工作流。憑藉融合的 context engine 和預建 agent 模板,RAGFlow 讓開發者能高效精準地將複雜數據轉化為生產級 AI 系統。
| 項目 | 資訊 |
|---|---|
| 倉庫 | infiniflow/ragflow |
| Stars | ⭐ 90,291 |
| Forks | 10,654 |
| 授權條款 | Apache License 2.0 |
| 主要語言 | Go + Python (3.13+) |
| 支援平台 | Docker(x86)、Linux / macOS / Windows |
| 最新版本 | v0.27.1 (2026-08) |
| 官網 | ragflow.io |
| 文件 | docs |
| Cloud | cloud.ragflow.io |
| 建立日期 | 2023-12 |
RAGFlow 是 GitHub 上最受歡迎的 RAG 專案之一,曾入選 GitHub Octoverse。
核心功能
1. 深度文件理解(Deep Document Understanding)
- 基於深度文件理解的知識提取,支援複雜格式的無結構化數據
- 在無限 token 的「數據干草堆」中找出「針」
- 支援 Word、Slides、Excel、TXT、圖片、掃描件、結構化數據、網頁等
- 多模態模型理解 PDF/DOCX 中的圖片
2. 模板化分塊(Template-based Chunking)

- 智慧且可解釋的分塊策略
- 多種模板選項可供選擇
- 視覺化文本分塊,允許人工干預
- 快速查看關鍵引用和可追溯的引文
3. Agentic Workflow & MCP

- Agentic Workflow:可編排的 agentic 工作流(2025-08)
- MCP 支援:Model Context Protocol 整合外部工具
- Agent Memory:AI agent 記憶功能(2025-12)
- Code Executor:Python/JavaScript 代碼執行組件(2025-05)
- Orchestrable Ingestion Pipeline:可編排的文件攝取管線(2025-10)
4. 多數據源整合
- Confluence、S3、Notion、Discord、Google Drive 數據同步(2025-11)
- 支援 Word、Slides、Excel、TXT、圖片、掃描件、結構化數據、網頁
- MinerU & Docling 文件解析方法(2025-10)
5. 多聊天通道
- Feishu、Discord、Telegram、LINE 等多聊天通道支援(2026-06)
- 將 RAG 知識庫直接嵌入團隊即時通訊工作流
6. Grounded Citations & 減少幻覺
- 可追溯引文支援有根據的回答
- 視覺化文本分塊允許人工干預
- 快速查看關鍵引用來源
7. 自動化 RAG 工作流
- 簡化的 RAG 編排,適合個人和大型企業
- 可配置的 LLM 和 embedding 模型
- 多重召回配融合重排序(fused re-ranking)
- 直覺 API 無縫整合業務系統
技術架構

┌──────────────────────────────────────────────────────┐
│ RAGFlow Platform │
├──────────────────────────────────────────────────────┤
│ Web UI (React + TypeScript) │
│ ┌─────────┬──────────┬──────────┬──────────────┐ │
│ │ Dataset │ Chat / │ Agent │ Knowledge │ │
│ │ Manager │ QA │ Builder │ Base │ │
│ │(Upload/ │(RAG Q&A) │(Workflow)│(Search/ │ │
│ │ Chunk) │ │ │ Cite) │ │
│ └─────────┴──────────┴──────────┴──────────────┘ │
├──────────────────────────────────────────────────────┤
│ Core Engine (Python + Go) │
│ ┌──────────┬──────────┬──────────┬─────────────┐ │
│ │ DeepDoc │ Chunking │ Retrieval│ Agent │ │
│ │(Deep │(Template-│(Multi- │ Engine │ │
│ │ Doc │ based) │ recall + │(MCP/Tools/ │ │
│ │ Understd.)│ │ Re-rank) │ Memory) │ │
│ └──────────┴──────────┴──────────┴─────────────┘ │
│ ┌──────────┬──────────┬──────────┬─────────────┐ │
│ │ LLM │ Embedding│ Code │ Data Sync │ │
│ │ Manager │ Models │ Executor │(Confluence/ │ │
│ │(Multi- │ │(Python/ │ S3/Notion/ │ │
│ │ Provider)│ │ JS/gVisor)│ Drive) │ │
│ └──────────┴──────────┴──────────┴─────────────┘ │
├──────────────────────────────────────────────────────┤
│ Infrastructure │
│ Elasticsearch / Infinity (vector + full-text) │
│ MySQL (metadata) / Redis (cache/queue) │
│ MinIO (object storage) │
│ gVisor (sandbox for code executor) │
│ Docker Compose │
└──────────────────────────────────────────────────────┘
支援的模型與服務
| 類別 | 支援 |
|---|---|
| LLM | OpenAI GPT-5 系列、DeepSeek v4、Gemini 3 Pro、Anthropic Claude、及更多 |
| Embedding | 可配置 embedding 模型 |
| 文件解析 | MinerU、Docling、DeepDoc(內建) |
| 向量引擎 | Elasticsearch(預設)、Infinity(可切換) |
部署方式
Docker Compose(推薦)
git clone https://github.com/infiniflow/ragflow.git
cd ragflow/docker
git checkout v0.27.1
docker compose -f docker-compose.yml up -d
硬體需求:
- CPU >= 4 cores
- RAM >= 16 GB
- Disk >= 50 GB
- Docker >= 24.0.0 & Docker Compose >= v2.26.1
GPU 加速 DeepDoc
sed -i '1i DEVICE=gpu' .env
docker compose -f docker-compose.yml up -d
從源碼開發
uv sync --python 3.13
uv run python3 ragflow_deps/download_deps.py
docker compose -f docker/docker-compose-base.yml up -d
# Backend:
source .venv/bin/activate && bash docker/launch_backend_service.sh
# Frontend:
cd web && npm install && npm run dev
切換向量引擎(Elasticsearch → Infinity)
docker compose -f docker/docker-compose.yml down -v
# 設定 DOC_ENGINE=infinity in docker/.env
docker compose -f docker/docker-compose.yml up -d
v0.27.x 重要更新時間線
| 日期 | 更新 |
|---|---|
| 2026-06-15 | 支援多聊天通道(Feishu、Discord、Telegram、LINE) |
| 2026-04-24 | 支援 DeepSeek v4 |
| 2026-03-24 | RAGFlow Skill on OpenClaw |
| 2025-12-26 | 支援 AI Agent Memory |
| 2025-11-19 | 支援 Gemini 3 Pro |
| 2025-11-12 | 數據同步:Confluence、S3、Notion、Discord、Google Drive |
| 2025-10-23 | MinerU & Docling 文件解析 |
| 2025-10-15 | 可編排攝取管線 |
| 2025-08-08 | GPT-5 系列模型 |
| 2025-08-01 | Agentic Workflow & MCP |
| 2025-05-23 | Python/JavaScript Code Executor |
| 2025-03-19 | 多模態理解 PDF/DOCX 圖片 |
主要貢獻者
| 貢獻者 | Commits |
|---|---|
| cike8899 | 1,338 |
| KevinHuSh | 1,047 |
| JinHai-CN | 554 |
| writinwaters | 404 |
| dcc123456 | 403 |
與其他 RAG 框架比較
| 特性 | RAGFlow | LangChain | LlamaIndex | Dify |
|---|---|---|---|---|
| 深度文件理解 | ✅ DeepDoc + MinerU/Docling | 需自組 | 需自組 | 基本 |
| 模板化分塊 | ✅ 多模板可視化 | ❌ | 部分 | ❌ |
| Agentic Workflow | ✅ 內建 | ✅ (LangGraph) | ✅ | ✅ |
| MCP 支援 | ✅ | 部分 | 部分 | 部分 |
| Code Executor | ✅ (gVisor sandbox) | ❌ | ❌ | 有限 |
| 多數據源同步 | ✅ Confluence/S3/Notion… | 需自組 | 需自組 | 有限 |
| 多聊天通道 | ✅ Feishu/Discord/TG/LINE | ❌ | ❌ | ✅ |
| 可追溯引文 | ✅ 內建 | 需自組 | 部分 | 部分 |
| 自託管 | ✅ Docker | ✅ | ✅ | ✅ |
| 授權 | Apache-2.0 | MIT | MIT | 混合 |
社群
- Discord: https://discord.gg/NjYzJD3GM3
- X (Twitter): https://x.com/infiniflowai
- GitHub Discussions: https://github.com/orgs/infiniflow/discussions
- Roadmap: RAGFlow Roadmap 2026
參考連結
- GitHub: https://github.com/infiniflow/ragflow
- 官網: https://ragflow.io
- Cloud: https://cloud.ragflow.io
- 文件: https://ragflow.io/docs/dev/
- Docker Hub: https://hub.docker.com/r/infiniflow/ragflow
- Infinity(向量引擎): https://github.com/infiniflow/infinity
- Star History: https://star-history.com/#infiniflow/ragflow&Date