RAGFlow 项目介绍

一句话概括

RAGFlow —— 基于深度文档理解的 RAG 引擎。

RAGFlow 是基于深度文档理解的开源 RAG 引擎：不像普通切块+向量的方案，它用模板化解析把 PDF、Word、Excel、图片、表格还原成语义结构（chunk），再基于 chunk 做检索与引用溯源。内置可视化工作流编排、Agent、多路文档管理与多模型/向量库可插拔，是目前功能最完整的自托管 RAG 平台之一。

基本信息

演示与在线体验地址

以下地址可直接打开，无需本地安装就能看到真实效果：

核心特点

深度文档理解 —— 基于模板的解析管线，把版式复杂的 PDF/表格/图片还原为结构化 chunk，显著提升检索质量。

可视化编排 —— 拖拽式 Workflow 与 Agent，支持多路召回、重排、引用生成等复杂 RAG 流程。

可溯源引用 —— 回答带原文出处高亮，答案可回溯到具体 chunk 位置。

混合检索 —— 支持向量 + 关键词 + 全文 + 摘要等混合召回与重排序。

多引擎可插拔 —— Embedding、向量库、LLM、Rerank均可自由替换（本地 Ollama/vLLM 或云端）。

数据集管理 —— 文件、文档、分块三级管理，支持增量更新与版本控制。

适合谁用

适合企业级知识库问答、需要处理复杂版式 PDF、需要引用溯源与工作流编排的 RAG 场景。

已知取舍与不适合的场景

简单问答、无需解析复杂文档的场景用轻量向量库方案即可；本项目组件较重（依赖 MySQL/Redis/MinIO/ES 等）。

本书阅读顺序

1. 项目介绍（本篇）— 先搞清它是什么、值不值得用
2. 如何安装 — 按你的平台与硬件选一节
3. 其余章节 —— 官方技术文档与使用文档的抓取整理归纳，覆盖 8 个主题

一手资料

• 源码仓库：<https://github.com/>
• 官方文档：<https://ragflow.io/docs/dev>
• 官方网站：<https://github.com/>

整理人：WorkBuddy