RAGFlow 是什么、部署教程：擅长解析复杂文档的开源 RAG 知识库引擎

本文根据 RAGFlow 官方 GitHub 仓库 README 与官网整理，资料核对于 2026-10-11。开源项目变化快，以官方仓库为准。

是什么

RAGFlow 是一个开源的检索增强生成（RAG）引擎，仓库 infiniflow/ragflow 约有 9.2 万星标，采用 Apache-2.0 许可。README 的定位是：把 RAG 与智能体能力结合起来，为大模型提供高质量的上下文。

做过知识库问答的人都知道，效果差往往不是模型的问题，而是文档没解析好——扫描版 PDF、带表格的报告、多栏排版的论文，被粗暴地按字数切开后，检索回来的都是残缺的片段。RAGFlow 就是专门在这一步下功夫的项目。

核心能力

• 深度文档理解：针对复杂格式的文档提取结构化内容，尽量保留表格、标题层级和版面信息；
• 模板化切分：按文档类型（如论文、手册、问答对、表格等）选择不同的切分模板，而不是一刀切；
• 有据可查的引用：回答时标出依据的原文片段，方便核对、减少幻觉；
• 智能体式检索：支持多步推理的检索流程，而不是只检索一次；
• 接口：提供 API，便于接入自己的业务系统。

怎么上手

README 给出的推荐配置：4 核 CPU、16 GB 内存、50 GB 可用磁盘；Docker 版本不低于 24.0.0，Docker Compose 不低于 v2.26.1。

bash
git clone https://github.com/infiniflow/ragflow.git
cd ragflow/docker
docker compose -f docker-compose.yml up -d

README 建议先切换到指定的发布版本标签再启动（核对时示例使用的是 v1.0.0-rc1），具体以当前 README 为准。启动完成后：

1. 浏览器访问服务器地址，注册第一个账号；
2. 在设置里配置模型（对话模型、向量模型等）的 API Key；
3. 新建知识库，上传文档，选择合适的切分模板，等待解析；
4. 打开解析结果检查切片质量，再创建对话助手绑定该知识库测试。

免费与付费

开源版免费，可自行部署和商用（遵守 Apache-2.0）。成本在于服务器资源和模型调用。官方是否提供托管云服务或企业支持及其价格，以官网为准。

适合谁 / 不适合谁

适合：

• 文档类型复杂（扫描件、报表、论文、合同）的企业知识库项目；
• 对回答的可追溯性要求高、需要显示出处的场景；
• 有运维能力、希望完全自托管的技术团队。

不适合：

• 服务器资源紧张的个人用户——它比轻量的知识库工具吃资源；
• 文档都是干净的纯文本、只想快速搭个问答的场景，FastGPT、AnythingLLM 等更省事；
• 没有任何 Docker 经验的用户。

注意事项

• 解析很耗资源和时间：大批量文档首次入库可能需要较长时间，先用少量文档调好切分模板再批量导入。
• 镜像体积大：首次拉取需要稳定的网络和足够的磁盘空间。
• 切分模板选错效果会很差：表格类文档用表格模板、问答对用问答模板。
• 对外开放前加固：修改默认配置、限制注册，并做好数据卷备份。