【收藏】RAGFlow：60K星标开源RAG引擎，企业文档智能问答神器

RAGFlow是一款获得60K星标的开源RAG引擎，能将企业文档转化为智能知识库。它支持多种文档格式，提供完整的RAG工作流程，可搭配多种大语言模型使用。通过深度文档理解和知识块切分技术，RAGFlow能让AI基于真实文档提供准确且有溯源的答案，减少"幻觉"问题。项目支持Docker一键部署，适合从个人到企业各种规模的应用，是构建企业级AI问答系统的理想选择。

刚刚逛 GitHub 的时候，发现了一个超火的开源项目。

RAGFlow 这个开源 RAG 引擎能让你的知识库活起来，现在已经获得了 60K 的 Star。

它是为个人或企业准备的 RAG 工作流神器。

RAG（检索增强生成）技术可以让 AI 大模型生成答案之前访问外部知识库，从而提高答案的相关性、准确性和时效性，并减少“幻觉”等问题。

公司里海量的文档、合同、报告堆在网盘或服务器里，想找点关键信息，要么大海捞针，要么问同事也说不清具体在哪份文件的哪一页。

RAGFlow就是为了解决这些问题而生的。

1、项目简介

RAGFlow是一个开源的、强大的RAG 引擎。

简单来说，它能让 AI 大模型变得更懂你公司的内部资料，回答问题时不再是凭空想象，而是基于你上传的真实文件，并且能「有理有据」地告诉你答案是从哪来的。

输出准确答案的同时提供关键信息所在的原文，并且支持你点击溯源，直接定位到原始文档的具体位置。

这大大降低了 AI 瞎编乱造问题，让答案更可信。

① 深度理解复杂文档

不只是文本，它能读懂各种格式：Word, PPT, Excel, PDF（包括扫描件）、图片、网页、TXT等。

市面上常见的文档格式它都能处理。

就算你上传的是扫描的合同、带表格的报告，它也能努力从中提取有用的信息。这得益于它的「深度文档理解」能力。

而且它能把大文档切成更小的、有逻辑的「知识块」。更棒的是，这个过程你还能看到甚至手动调整，确保切分得合理，让后续的问答更精准。

下面这个图，就是 RAGFlow 整个工作流程。

② RAG 工作流

看上面这个图，RAGFlow 提供了一套几乎「全自动」的 RAG 工作流程，从个人使用到大型企业都能支持。

你可以自由选择搭配不同的大语言模型（比如 OpenAI GPT-4o, 百度文心一言，火山方舟，DeepSeek，百川等）和向量模型。

它经过了优化，即使你的知识库非常大（无限上下”），也能快速找到关键信息。

2、如何部署

RAGFlow 推荐使用 Docker 来部署，对硬件要求不算特别高：

CPU：至少 4 核、内存：至少 16 GB、硬盘：至少 50 GB、软件：Docker (>=24.0.0) 和 Docker Compose (>= v2.26.1)

部署步骤在 README 里写得很清楚：

① 确保系统设置：

调整一个叫vm.max_map_count的系统参数，不小于 262144：。

② 克隆代码：

git clone https://github.com/infiniflow/ragflow.git

③ 一键启动：

进入docker目录，运行docker compose -f docker-compose-CN.yml up -d命令。

它会自动下载镜像并启动所有需要的服务（包括数据库、向量库等）。

④ 等待启动完成：

用docker logs命令查看日志，看到服务器成功启动的提示。

⑤ 登录配置：

在浏览器访问你的服务器 IP，首次登录后，需要在配置文件里填入你选择的大模型（如 OpenAI）的 API Key。

⑥ 开用：上传文档，开始智能问答吧。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】