Ran tool

📍 RagFlow 项目信息

GitHub地址

🔗 主仓库：https://github.com/infiniflow/ragflow

官网地址

🌐 官方网站：https://ragflow.io
🎮 在线演示：https://demo.ragflow.io

---

🚀 项目概述

RagFlow 是一个基于深度文档理解构建的开源 RAG（Retrieval-Augmented Generation）引擎，由 InfiniFlow 公司开发。

核心亮点

• ⭐ 58.5k Stars - GitHub上最受欢迎的RAG项目之一
• 🔄 活跃开发 - 持续更新，最新版本 v0.19.1
• 🏢 企业级 - 支持各种规模的企业应用
• 🎯 质量导向 - “Quality in, quality out” 理念

---

🌟 核心特性

1. 深度文档理解

✅ 复杂格式文档解析（PDF、Word、PPT、Excel等）
✅ OCR 光学字符识别
✅ 文档布局分析
✅ 表格结构识别
✅ 图像内容理解

2. 智能分块策略

• 🧩 基于模板的智能分块
• 👁️ 可视化分块展示
• ⚙️ 多种分块策略选择
• 🎛️ 人工干预优化

3. 多模态支持

• 📄 文本文档
• 📊 结构化数据
• 🖼️ 图像识别
• 🎵 音频转录
• 🌐 网页抓取

4. 企业级特性

• 🔒 数据安全
• 📈 高并发支持
• 📊 应用监控
• 🔄 持续优化
• 🛡️ 权限管理

---

🛠️ 技术架构

核心组件

前端: React + TypeScript
后端: Python + Flask
数据库: MySQL (业务) + Elasticsearch/Infinity (向量)
存储: MinIO (文件存储)
部署: Docker + Docker Compose

支持的模型

• LLM: OpenAI GPT、Claude、Qwen、DeepSeek等
• Embedding: BGE、Nomic、OpenAI等
• 多模态: LLaVA、Qwen-VL等

---

📦 快速部署

Docker 一键部署

# 1. 克隆项目
git clone https://github.com/infiniflow/ragflow.git
cd ragflow/docker

# 2. 启动服务
docker compose up -d

# 3. 访问应用
# http://localhost (默认端口80)

版本选择

镜像标签	大小	内置模型	说明
v0.19.1	~9GB	✅	完整版本
v0.19.1-slim	~2GB	❌	精简版本

---

🎯 应用场景

1. 知识库问答

• 📚 企业文档问答
• 📖 技术手册查询
• 📋 政策法规咨询

2. 智能分析

• 📊 报告解析
• 📈 数据分析
• 🔍 信息提取

3. 内容生成

• ✍️ 文档摘要
• 📝 报告生成
• 💡 创意写作

---

🆚 与其他RAG平台对比

特性	RagFlow	Dify	QAnything
文档解析	⭐⭐⭐⭐⭐	⭐⭐⭐	⭐⭐⭐
易用性	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐
企业级	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐
开源程度	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐

RagFlow 的独特优势：

• 🏆 业界领先的文档解析能力
• 🔬 深度文档理解技术
• 🏭 工业级稳定性
• 📈 持续的技术创新

RagFlow 特别适合对文档解析质量要求极高的企业用户，是构建专业知识库问答系统的理想选择！