应用搭建上手难度 🧪 硬核#RAG#文档解析#知识库#国产开源
RAGFlow · 深度文档理解的开源 RAG 引擎
以「解析复杂文档」见长的 RAG 引擎,PDF/表格/扫描件还原度极高
🟢 活跃维护✅ 商用友好协议agent-harnessagentic-aiagentic-retrievalagentic-search
5 分钟上手
无需 GPU,但硬性 4核16GB 内存 + 50GB 磁盘起步git clone https://github.com/infiniflow/ragflow
cd ragflow/docker
docker compose -f docker-compose.yml up -d
# 打开 http://localhost 注册管理员项目速览
RAGFlow 由英飞流(InfiniFlow)开源,核心卖点是深度文档理解:自研文档解析引擎能把复杂排版 PDF、表格、扫描件还原成结构化内容,从源头解决「RAG 答非所问」的文档切分问题。
能做什么
- 复杂版式文档解析(模板化分块),可视化调整切片结果
- 混合检索 + 重排序,答案带原文引用坐标
- 内置 Agent 工作流与多种推理模型接入
怎么部署
Docker Compose 部署(4C16G 起步)。轻量场景可先试 AnythingLLM;原理学习见 进阶 RAG 系统教程。
适合谁
被「长 PDF/表格问答」折磨的文档密集型团队:金融、法律、制造、学术。
✅ 优点
- •DeepDoc 版面解析是核心壁垒,复杂 PDF 还原度开源最高
- •分块可视化可人工干预,检索质量调优工具全
- •答案带原文引用坐标,可信度好
⚠️ 局限与坑
- •资源要求全场最狠(4核16GB 起步),小机器跑不动
- •解析管线重,文档吞吐速度偏慢
- •仅 Linux/WSL2,组件多排错复杂
💼 典型应用场景
- 1.扫描件/复杂表格 PDF 问答(法律合同、财报)
- 2.论文库批量入库做学术检索
- 3.对答案溯源要求高的合规场景
应用搭建· 同类项目推荐
返回全部开源项目指标每周自动更新,数据来自 GitHub API · 最近同步 2026-09-09