RAGFlow:開源 RAG 引擎與 Agent 平台功能總覽

3 分鐘閱讀時長

發布時間:

RAGFlow:開源 RAG 引擎與 Agent 平台功能總覽

RAGFlow

Star History Chart

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
Forks10,654
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
Cloudcloud.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)

Chunking Demonstration

  • 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

  • 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 System Architecture

┌──────────────────────────────────────────────────────┐
│                  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
LLMOpenAI 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
2026-03-24RAGFlow 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
2025-10-23MinerU & Docling 文件解析
2025-10-15可編排攝取管線
2025-08-08GPT-5 系列模型
2025-08-01Agentic Workflow & MCP
2025-05-23Python/JavaScript Code Executor
2025-03-19多模態理解 PDF/DOCX 圖片

主要貢獻者

貢獻者Commits
cike88991,338
KevinHuSh1,047
JinHai-CN554
writinwaters404
dcc123456403

與其他 RAG 框架比較

特性RAGFlowLangChainLlamaIndexDify
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-2.0MITMIT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