RAGFlow：融合RAG与智能体的开源引擎，为LLM构建卓越上下文层

📕 目录RAGFlow是一款领先的开源检索增强生成（RAG）引擎，将尖端的RAG与智能体功能融合在一起，为LLM创建卓越的上下文层。它提供了可适应任何规模企业的简化RAG工作流程。

RAGFlow由融合上下文引擎和预构建的智能体模板提供支持，使开发人员能够以卓越的效率和精确度将复杂数据转换为高保真、可生产的人工智能系统。尝试我们的云服务：https://cloud.ragflow.io。

- 2026-04-24 支持DeepSeek v4。- 2026-03-24 OpenClaw上的RAGFlow技能——提供通过OpenClaw访问RAGFlow数据集的官方技能。- 2025-12-26 支持AI智能体的“记忆”功能。

- 2025-11-19 支持Gemini 3 Pro。- 2025-11-12 支持从Confluence、S3、Notion、Discord、Google Drive同步数据。- 2025-10-23 支持MinerU和Docling作为文档解析方法。

- 2025-10-15 支持可编排的摄入管道。- 2025-08-08 支持OpenAI最新的GPT-5系列模型。- 2025-08-01 支持智能体工作流和MCP。- 2025-05-23 为Agent添加Python/JavaScript代码执行器组件。

- 2025-05-05 支持跨语言查询。- 2025-03-19 支持使用多模态模型理解PDF或DOCX文件中的图像。⭐️ 给我们的仓库加星标，以随时了解令人兴奋的新功能和改进！获取新版本的即时通知！

🌟- 基于深度文档理解，从复杂格式的非结构化数据中提取知识。- 在几乎无限的令牌中“大海捞针”。- 智能且可解释。- 提供大量模板选项可供选择。- 文本分块可视化，允许人工干预。- 快速查看关键参考文献和可追溯的引文，以支持有依据的答案。

- 支持Word、幻灯片、Excel、txt、图像、扫描件、结构化数据、网页等。- 简化的RAG编排，满足个人和大型企业的需求。- 可配置的LLM以及嵌入模型。- 多重召回与融合重排序配对。- 直观的API，可与业务无缝集成。

- CPU >= 4核- RAM >= 16 GB- 磁盘 >= 50 GB- Docker >= 24.0.0 和 Docker Compose >= v2.26.1- Python >= 3.13- gVisor：

仅当您打算使用RAGFlow的代码执行器（沙盒）功能时才需要。提示如果您尚未在本地机器（Windows、Mac或Linux）上安装Docker，请参阅安装Docker Engine。

- 确保 vm.max_map_count >= 262144：检查 vm.max_map_count 的值：$ sysctl vm.max_map_count如果 vm.max_map_count 的值小于262144，则将其重置为至少262144。

# 在本例中，我们将其设置为262144：$ sudo sysctl -w vm.max_map_count=262144此更改在系统重启后会重置。要确保更改永久生效，请在 /etc/sysctl.conf 中添加或更新 vm.max_map_count 值：

max_map_count=262144- 克隆仓库：$ git clone https://github.com/infiniflow/ragflow.git- 使用预构建的Docker镜像启动服务器：注意所有Docker镜像均为x86平台构建。

我们目前不提供ARM64的Docker镜像。如果您使用ARM64平台，请按照本指南构建与您的系统兼容的Docker镜像。下面的命令下载 v0.25.6 版本的RAGFlow Docker镜像。

有关不同RAGFlow版本的描述，请参阅下表。要下载不同于 v0.25.6 的RAGFlow版本，请在 docker/.env 中相应更新 RAGFLOW_IMAGE 变量，然后使用 docker compose 启动服务器。

$ cd ragflow/docker# git checkout v0.25.6# 可选：使用稳定标签（参见发布版：https:

//github.com/infiniflow/ragflow/releases）# 此步骤确保代码中的 entrypoint.sh 文件与Docker镜像版本匹配。

# 使用CPU执行DeepDoc任务：$ docker compose -f docker-compose.yml up -d# 使用GPU加速DeepDoc任务：

# sed -i '1i DEVICE=gpu' .env# docker compose -f docker-compose.yml up -d注意：在 v0.22.0 之前，我们同时提供包含嵌入模型的镜像和不包含嵌入模型的精简镜像。

详情如下：从 v0.22.0 开始，我们仅提供精简版，并且不再在镜像标签上附加 -slim 后缀。

- 服务器启动并运行后检查服务器状态：$ docker logs -f docker-ragflow-cpu-1以下输出确认系统成功启动：

____ ___ ______ ______ __ / __ \ / | / ____// ____// /____ _ __ / /_/ // /| | / / __ / /_ / // __ \| | /| / / / _,

_// ___ |/ /_/ // __/ / // /_/ /| |/ |/ / /_/ |_|/_/ |_|\____//_/ /_/ \____/ |__/|__/ * Running on all addresses (0.0.0.0)如果您跳过此确认步骤并直接登

录RAGFlow，您的浏览器可能会提示“网络异常”错误，因为此时您的RAGFlow可能尚未完全初始化。- 在您的网络浏览器中，输入服务器的IP地址并登录RAGFlow。

使用默认设置时，您只需输入 http://IP_OF_YOUR_MACHINE（不带端口号），因为使用默认配置时可以省略默认的HTTP服务端口80。

- 在 service_conf.yaml.template 中，在 user_default_llm 下选择所需的LLM工厂，并用相应的API密钥更新 API_KEY 字段。有关更多信息，请参阅 llm_api_key_setup。

演出开始了！在系统配置方面，您需要管理以下文件：- .env：保存系统的基本设置，例如 SVR_HTTP_PORT、MYSQL_PASSWORD 和 MINIO_PASSWORD。- service_conf.yaml.template：配置后端服务。

当Docker容器启动时，该文件中的环境变量将自动填充。

Docker容器中设置的任何环境变量都将可供使用，允许您根据部署环境自定义服务行为。- docker-compose.yml：系统依赖于 docker-compose.yml 启动。

./docker/README 文件提供了环境设置和服务配置的详细描述，这些可以在 service_conf.yaml.template 文件中用作 ${ENV_VARS}。

要更新默认的HTTP服务端口（80），请转到 docker-compose.yml 并将 80:80 改为 <YOUR_SERVING_PORT>:80。

上述配置的更新需要重启所有容器才能生效：$ docker compose -f docker-compose.yml up -dRAGFlow默认使用Elasticsearch来存储全文和向量。

要切换到Infinity，请遵循以下步骤：- 停止所有运行的容器：$ docker compose -f docker/docker-compose.yml down -v警告：-v 将删除docker容器卷，现有数据将被清除。

- 将 docker/.env 中的 DOC_ENGINE 设置为 infinity。- 启动容器：$ docker compose -f docker-compose.yml up -d警告：尚未正式支持在Linux/arm64机器上切换到Infinity。

此镜像大小约为2 GB，依赖外部LLM和嵌入服务。

git clone https://github.com/infiniflow/ragflow.gitcd ragflow/docker build --platform linux/amd64 -f Dockerfile -t infiniflow/ragflow:

nightly .

或者，如果您在代理后面，可以传递代理参数：docker build --platform linux/amd64 \--build-arg http_proxy=http://YOUR_PROXY:PORT \--build-arg https_proxy=http:

//YOUR_PROXY:

PORT \-f Dockerfile -t infiniflow/ragflow:nightly .- 安装 uv 和 pre-commit，如果已安装则跳过此步骤：pipx install uv pre-commit- 克隆源代码并安装Python依赖：

git clone https:

//github.com/infiniflow/ragflow.gitcd ragflow/uv sync --python 3.13 # 安装RAGFlow依赖的Python模块uv run python3 download_deps.pypre-commit inst

all- 使用Docker Compose启动依赖服务（MinIO、

Elasticsearch、Redis和MySQL）：docker compose -f docker/docker-compose-base.yml up -d将以下行添加到 /etc/hosts，将 docker/.env 中指定的所有主机解析到 127.0.0.1：

127.0.0.1 es01 infinity mysql minio redis sandbox-executor-manager- 如果无法访问HuggingFace，请设置 HF_E