RAGFlow 全使用指南

一、平台介绍

1.1 基本信息

• 名称：RAGFlow (ragflow.io)
• 开发团队：Infiniflow 团队
• 开源协议：Apache2.0
• 定位：为 AI Agent 打造优质上下文层、一站式 RAG+Agent 一体化平台
• 开源时间：2024 年 4 月正式开源
• 官网链接：https://ragflow.io

1.2 产品形态

RAGFlow 提供两种主要使用形式，用户可根据需求选择：

1. 开源自部署版：免费开源源码，支持私有化部署，适合技术用户与企业私有环境。
2. 官方云端服务：

• 云端 SaaS：cloud.ragflow.io，免部署，按需订阅。
• Demo 体验站：demo.ragflow.io，用于体验基础功能（数据定期清空）。

1.3 核心优势

• 深度文档理解：区别于普通 RAG 的文本切块，主打结构化文档还原。
• 内置向量库：底层内置 Infinity 向量数据库。
• 解析能力强：深度优化 PDF、扫描件、表格解析。
• 可溯源 AI 问答：提供文档来源页码/段落引用，解决大模型幻觉与合规痛点。

二、核心主要功能

2.1 全格式文档深度解析（王牌能力）

• 支持格式：PDF、Word、Excel、PPT、TXT、Markdown、图片 (JPG/PNG/TIF)、扫描影印件、网页、CSV 等。
• 结构化处理：自动识别表格、图片、页眉页脚、目录、公式。
• OCR 识别：支持图片文字识别，保留原文排版结构。
• 多引擎切换：支持 MinerU/PaddleOCR 多解析引擎切换。

2.2 可控化知识库分块（Chunk）

• 切片模板：内置通用、问答、手册、表格、手动 5 大类切片模板，按需选用。
• 分块可视化：在线预览所有文档切块结果，双击可手动修改/补充关键词，优化检索权重。
• 嵌入模型绑定：单个知识库选定 Embedding 模型后不可修改，保证向量空间统一。

2.3 混合检索 + 答案溯源（降幻觉）

• 混合检索机制：稠密向量检索 + 关键词检索 + 重排序 (Rerank) 三合一。
• 答案溯源：AI 回复附带原文片段引用快照，点击可溯源原文页码/段落。
• 应用场景：满足金融、法律等对合规性要求高的行业需求。

2.4 全品类大模型接入

• 模型兼容性：兼容本地私有化模型 (Ollama/Xinference/vLLM) + API 商用模型 (OpenAI、通义千问、百川、MiniMax、Azure OpenAI、硅基流动)。
• 自由配置：LLM、Embedding、Rerank、图生文全类型模型自由配置。
• 配置方式：支持全局默认模型或单助手单独指定模型。

2.5 AI 对话助手 + Agent 智能体

• 问答机器人：快速创建，绑定单个/多个同嵌入模型知识库，自定义提示词与兜底回复。
• Agentic RAG：低代码搭建自动化智能体，实现文档摘要、数据提取、多文档对比、批量查询等任务。

2.6 开放 API 与二次开发

• 接口支持：提供 HTTP/Python 全套 API（文档上传、知识库管理、检索问答、批量删除）。
• 集成能力：支持嵌入自有系统（如企业 OA、客服系统）。
• 源码开放：源码全开放，支持二次定制开发。

2.7 企业级配套

• 管理功能：多租户、成员权限管理、文档版本、解析日志、任务监控。
• 部署支持：Docker 一键部署，适配私有化本地/服务器环境。

三、适用人群

3.1 个人用户

• 学生/科研：自建私人知识库（论文、文献、课程），进行文献智能问答与快速检索。
• 职场白领：管理合同、项目文档、读书笔记，打造私人 AI 知识库助手。

3.2 中小团队/开发者

• AI 开发工程师：低成本快速落地私有化 RAG 项目，免去从零开发检索链路。
• 产品/运营：搭建 FAQ 客服知识库、产品手册智能问答机器人。

3.3 中大型企业（刚需行业）

• 法律/金融：合同、法条、财报、尽调文档解析，实现合规检索。
• 医疗/制造：病历、设备手册、技术规范知识库、售后智能客服。
• 政企单位：内部规章制度、招投标资料、公文知识库私有化部署（数据不出内网）。

3.4 AI 服务商

• 基于 RAGFlow 封装 SaaS 知识库产品，对外提供私有知识库搭建服务。

四、免费 & 付费明细

方式一：开源自托管（永久免费，推荐技术用户）

• 软件授权：100% 免费。Apache2.0 开源，无版权费、无功能阉割，全功能开放，商用免费。
• 源码地址：https://github.com/infiniflow/ragflow
• 隐性成本：硬件/云服务器费用需自费。
• 最低硬件配置：x86 CPU ≥ 4 核、内存 ≥ 16GB、磁盘 ≥ 50GB（Nvidia GPU 可加速解析）。
• 备注：ARM 架构无官方 Docker 镜像需自行编译。

方式二：官方云端 SaaS（免部署）

• 注册网址：cloud.ragflow.io
• 免费额度：注册赠送少量知识库空间与模型调用额度，可体验基础功能。
• 付费模式：按存储空间 + 模型调用 Token 计费。
• 企业定制：提供专属运维、私有部署服务及定制化开发（按需报价）。

方式三：第三方托管 SaaS

• Elestio 托管：起步 55 美元/月，全包服务器、自动备份、运维升级。
• 腾讯云应用市场：RAGFlow 软件免费，仅收取云服务器资源费。

注意：模型费用分开计算。本地 Ollama 模型零费用；商用 API（OpenAI 等）按各厂商 Token 计费。

五、分步使用教程

路径 A：在线快速试用（零安装）

1. 访问 Demo：打开 demo.ragflow.io，免注册直接体验基础上传、建库、问答。
2. 数据说明：Demo 数据定期清空，不可长期存储文件。
3. 正式使用：注册 cloud.ragflow.io 账号进行云端正式使用。

路径 B：本地 Docker 部署（完整功能，永久自用）

1. 前置条件

• 安装 Docker ≥ 24.0 + Docker Compose ≥ v2.26。
• 架构要求：x86 架构（ARM 需手动编译镜像）。

2. 启动步骤

bash

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

• 浏览器访问：http://localhost:80
• 默认账号：admin@ragflow.io，密码：admin

3. 关键配置流程

1. 配置全局模型（必做）：

• 右上角头像 → 模型设置。
• 添加模型服务商（Ollama/OpenAI/硅基流动等）。
• 配置 API Key 或本地地址，设置默认 Embedding、LLM、Rerank 模型。

1. 创建知识库：

• 顶部【知识库】→ 新建。
• 填写库名，选定切片模板 + 嵌入模型（选定后永久不可改）。
• 确认创建。

1. 上传与解析文档：

• 知识库详情页 → 添加文件 → 本地上传。
• 重要：上传完成后必须点击文件右侧播放图标启动解析（不解析无法检索）。
• 解析完成后双击切块，手动修改分块、补充关键词优化检索。
• 使用【检索测试】输入问句验证效果。

1. 创建 AI 对话助手：

• 顶部【聊天】→ 创建助手。
• 填写名称，绑定1 个或多个同 Embedding 知识库。
• 自定义提示词 + 无答案兜底回复 → 保存。

1. 进阶：Agent 配置：

• 助手设置开启 Agent，选择官方 Agent 模板（如文档摘要/数据提取）。

六、高频避坑指南

1. 知识库模型致命坑

• ❌ 禁止：同一聊天助手绑定不同嵌入模型的知识库，向量空间不一致会导致检索失效。
• ✅ 对策：多库混用前，务必统一所有库的 Embedding 模型；建库慎重选嵌入，一旦创建无法更换。建议前期用小文件测试模型效果再批量上传。

2. 文件解析卡死或失败

• 卡在 1%：大概率网络无法访问 HuggingFace 模型。国内用户需配置 HF 镜像地址，点击叉号终止任务后重启解析。
• 解析 99% 崩溃：通常因服务器内存不足（16G 以下常见）。需修改 docker/.env 的 MEM_LIMIT 扩容，执行 docker compose restart 重启容器。
• PDF 扫描件乱码：需开启 OCR（PaddleOCR/MinerU）解析；普通文本 PDF 可关闭 OCR 节省资源。

3. 问答答案空或答非所问

• 原因 1：文档未完成解析或切块不合理。需手动打开切块页面拆分大块文本、补充关键词。
• 原因 2：Rerank 模型未配置或精度低。务必配置 BGE/BCE 等重排序模型。
• 原因 3：知识库内容与提问无关。需缩小检索范围或补充相关文档。

4. 硬件与部署坑

• ARM 芯片：苹果 M 系列或国产 ARM 服务器无官方 Docker 镜像，不要直接 docker 部署，需源码自行编译，避免依赖缺失。
• 磁盘不足：解析后的向量 + 原文档占用空间大，需预留 ≥ 50G 空闲磁盘。
• 容器异常：Elasticsearch 组件挂掉会导致索引失败，执行 docker logs 容器名 查看日志排查 ES 故障。

5. 成本与模型避坑

• API 成本：商用 API 模型 Embedding 消耗 Token 量大。测试优先选硅基流动新用户免费 2000 万 Token 或 Ollama 本地模型以省成本。
• 本地连接：Docker 部署 RAG 需要填写 host.docker.internal:11434（不能填 localhost），否则连不上本地 Ollama 模型服务。

6. 数据安全

• 涉及敏感合同或涉密文档，建议优先选择本地私有化部署，避免企业机密上传至第三方云服务器。

七、官方参考地址

1. 官方网站：https://ragflow.io
2. 官方文档：https://ragflow.io/docs
3. Demo 试用：https://demo.ragflow.io
4. 云端 SaaS：https://cloud.ragflow.io
5. GitHub 开源：https://github.com/infiniflow/ragflow