infiniflow/ragflow

项目概览

其 Deep Document Understanding 组件为复杂格式文档（如带有表格、扫描件的文件）提供了专门的解析与知识提取能力。

项目类型

AI Agent · RAG 与知识库 · 文档处理

应用场景

知识问答

部署方式

Docker / Docker Compose

License

Apache-2.0

适合谁

• 需要处理复杂格式非结构化文档并要求答案具备明确引用溯源能力的开发者和企业团队。
• 愿意自行配置和对接外部 LLM 与嵌入模型 API 的技术团队。

核心能力

• 针对复杂格式的非结构化数据执行基于深度文档理解的知识提取。该能力作为项目的核心组件，旨在处理需要版式和结构识别的文档。
• 支持接入多种格式的数据，包括 Word 文档、演示幻灯片、Excel 表格、纯文本文件、图像、扫描件、结构化数据以及网页等。该能力扩展了系统可处理的数据范围。

限制与风险

• 当前项目提供的 Docker 镜像均基于 x86 平台构建，官方尚未提供用于 ARM64 平台的 Docker 镜像。
• 系统的运行依赖外部的 LLM 和嵌入服务，使用过程中需要自行准备并配置相应的模型 API。

如何开始

• 克隆仓库并导航至 docker 目录后，切换到特定的版本标签，将系统的 vm.max_map_count 参数设置为至少 262144，接着通过 docker compose 命令启动服务，最后使用 Web 浏览器登录即可。
• 在启动和测试过程中，需要配置外部 LLM 和嵌入模型的 API 密钥才能使系统正常工作。

核验依据

• GitHub 项目简介: RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fuses cutting-edge RAG with Agent capabilities to create a superior context layer for LLMs
• README: RAGFlow enables developers to transform complex data into high-fidelity, production-ready AI systems with exceptional efficiency and precision.
• README: Deep document understanding-based knowledge extraction from unstructured data with complicated formats.
• README: Streamlined RAG orchestration catered to both personal and large businesses.
• README: Quick view of the key references and traceable citations to support grounded answers.

内容核验时间：