ARTICLE · 1084600
PDF 一切就碎、引用对不上?RAGFlow 深度解析,答案追回原文
点击下方【IT开源项目精选】
「关注」、选择「设为星标」
每天三分钟、打卡阅读
最快获取全网学习干货、行业资讯
前言
大家好，这里是 IT开源项目精选！
研报、合同、扫描件里图表和版式一多，普通切块就把表格切碎、引用对不上原文。企业要的不只是「能问答」，而是切片看得见、答案能回溯、工作流还能编排成 Agent。
本期拆解 InfiniFlow 开源的 RAGFlow。它以深度文档理解（DeepDoc）做解析，再用模板切片、多路召回与可视化 Agent 把 RAG 做成可自托管的引擎。若你要的是成熟的文档问答底座，而不是从零写检索链路，值得对照 v0.27.2 实测。
简介
RAGFlow 仓库：github.com/infiniflow/ragflow。截至 2026 年 9 月 20 日，约 91009 Star、10776 Fork。协议 Apache-2.0。最新正式发行版 v0.27.2（2026-09-10）；主分支推送仍活跃（约 2026-09-20）。官网 ragflow.io；云体验 cloud.ragflow.io。
定位：把前沿 RAG 与 Agent 能力收成可适配企业规模的端到端工作流。核心是上下文引擎 + 预置 Agent 模板，强调「Quality in, quality out」——解析质量决定回答质量。默认文档引擎为 Elasticsearch，可切换为同团队的 Infinity；对象存储走 MinIO / S3；元数据可接 MySQL 等。
与上期 Ragent 不同：Ragent 偏 Java 全栈学习实现；RAGFlow 偏可上线的文档理解引擎，社区体量与解析能力都不在同一档。源码启动文档要求 Python ≥3.13；日常推荐 Docker，不要求本机先装 Python。
核心能力
一、深度文档理解
• DeepDoc 覆盖版面分析、OCR、表格识别，面向 PDF、扫描件、Word、PPT、Excel、图片等；
• 解析方法可接 MinerU、Docling（以当前版本文档为准）；
• 图可用多模态模型生成描述，减少「只剩乱码表格」。
二、可控切片与可追溯回答
• 按模板切片，过程可视化，切片可手工改、可单独启用或停用；
• 回答附关键引用快照，能对回原文页；
• 检索侧支持多路召回与融合重排，模型与向量模型均可配置。
三、Agent 与数据接入
• 可视化 Agent 工作流：意图分流、检索、联网搜索、代码执行器等；
• 支持 MCP、Agent 记忆、可编排数据管道（以 v0.27 文档为准）；
• 数据源可同步 Confluence、S3、Notion、Google Drive 等；聊天渠道含飞书、Discord、Telegram、Line 等。
四、集成方式
• UI / API / SDK；官方 Skill 可通过 OpenClaw 访问数据集；
• 模型侧兼容多家厂商（含 DeepSeek、Gemini、GPT 系列等，以当前发布说明为准）。
系统架构与界面
请求经 Nginx 进 API；入库走消息队列与 Ingestion，DeepDoc 负责解析；查询走检索服务与模型供应商。推荐路径：先云端或 Docker 起服务 → 建数据集等解析完成 → 对照原文改切片 → 再编排 Agent。
▲ 图1 系统架构：API · 入库 · 检索 · DeepDoc
▲ 图2 数据集：解析状态、切片数与启用开关
▲ 图3 切片与原文对照，可逐块启停
▲ 图4 问答引用可对回报告原文页
▲ 图5 Agent 画布：意图分流与专家节点
▲ 图6 运行日志：检索、反思与引用回答
技术栈与环境
版本: v0.27.2 · Apache-2.0
部署: Docker ≥24 · Compose ≥2.26.1 · 官方镜像为 x86
建议: CPU ≥4 核 · 内存 ≥16GB · 磁盘 ≥50GB
依赖: Elasticsearch（默认可切 Infinity）· MySQL · Redis · MinIO
默认访问: http://机器IP （HTTP 端口 80，可在 compose 里改映射）
快速开始
一、云端体验
浏览器打开 https://cloud.ragflow.io。适合先看切片与问答，不适合当私有数据环境。
二、Docker（官方推荐）
sysctl vm.max_map_count
注：小于 262144 时执行 sudo sysctl -w vm.max_map_count=262144
git clone https://github.com/infiniflow/ragflow.git
cd ragflow/docker
git checkout v0.27.2
注：让 entrypoint 与镜像版本一致；换版本改 docker/.env 的 RAGFLOW_IMAGE
docker compose -f docker-compose.yml up -d
浏览器访问机器 IP（默认端口 80）。GPU 加速 DeepDoc 需在 .env 写入 DEVICE=gpu 后再启动。官方镜像基于 x86；ARM64 需按文档自行构建。
三、源码开发要点
用 uv 按 Python 3.13 安装依赖，再用 docker compose -f docker/docker-compose-base.yml up -d 拉起 MinIO、Elasticsearch、Redis、MySQL，并在 hosts 中把 es01、mysql、minio、redis 等解析到 127.0.0.1。细节见仓库 README 与 ragflow.io 文档。代码执行器沙箱另需 gVisor，不用可先不装。
实操要点
先等解析完成再提问。数据集页会提示文件解析成功前不要开聊。大 PDF 切片数可能上百，机器内存不够时解析会拖死。
切片模板比换模型更先见效。通用模板不适合所有版式；表格、手册、论文应换对应模板，并在对照页里关掉噪声块。
切 Infinity 会清空卷数据。文档要求 down -v 再改 DOC_ENGINE。生产切换前先备份。
镜像与代码标签对齐。checkout 到 v0.27.2 再 compose，避免 entrypoint 与镜像不一致。外挂 LLM / Embedding 密钥放配置，不要写进镜像。
适用边界：什么情况别用它
① 只要几十行嵌入式检索。全家桶（ES/Infinity + MySQL + Redis + MinIO）过重。
② 机器内存明显低于 16GB，或不能改 vm.max_map_count。Elasticsearch 类引擎起不来或频繁崩溃。
③ 只有 ARM64，又不愿自建镜像。官方 Docker 不提供 ARM64 发行版。
④ 没有可用的 LLM 与 Embedding 服务。当前镜像依赖外部模型，空转不产生有效回答。
⑤ 把云体验当生产知识库。敏感文档应自托管，并自行加固端口与账号。
适合谁
适合要私有化文档问答、且材料里大量 PDF / 表格 / 扫描件的团队；能接受 Docker 与 16GB 级内存，并愿意调切片模板的知识库项目；需要 Agent 画布、引用溯源与 API 集成的产品组。
不适合：笔记本级资源演示；纯 ARM 且无构建能力；只想学 Java RAG 源码（那是 Ragent 一类项目的事）。
更新进度
100 期优质开源项目更新进度：024/100。欢迎在留言区交流你对 RAGFlow 切片模板与 Agent 编排的实践，或提名下一期想拆解的开源项目。
开源地址
GitHub：github.com/infiniflow/ragflow
官网：ragflow.io
云体验：cloud.ragflow.io
自托管默认：http://机器IP （端口 80）
获取更多精彩内容和优质开源项目
请关注微信公众号「IT开源项目精选」
每天早上 5 分钟，看懂一个值得收藏的开源项目
免责声明
1、本文所分享的软件、代码或资源，均来自开源社区，遵循其原始许可证（Apache-2.0）。仅供学习和研究使用，严禁用于任何违法行为。
2、使用者在下载、部署或使用本项目时，需自行判断其适用性与合法性，由此产生的一切风险与责任均由使用者自行承担。部署时请自行配置账号、网络与模型密钥。
3、本文数据（Star、Fork、版本号）来自 GitHub 公开信息，采集时间为 2026 年 9 月 20 日，项目迭代迅速，实际版本可能已更新。
4、本文配图来自项目仓库与官方文档素材，版权归原作者所有；本文不对开源软件的安全性、可用性或完整性做任何保证。
5、本文与项目作者无商业合作，所有观点基于公开资料得出；若您为相关资源的版权方并对内容有异议，请联系我们，我们将在第一时间处理。