概览
该项目旨在将结构化和非结构化数据转化为可搜索知识，用于面向生产环境的 RAG 系统。它支持基于模板的分块、文档解析、多种检索方法与融合重排序、可追溯引用、API、智能体工作流、预构建智能体模板、记忆、MCP 以及可选代码执行。Go 被列为仓库的主要语言，而源码开发还需要 Python 和 JavaScript 前端工具链。
主要功能
- 面向复杂非结构化格式的深度文档理解
- 基于模板、可视化且可人工审阅的分块
- 带参考资料和可追溯引用的有据回答
- 支持 Word、Slides、Excel、TXT、图像、扫描文档、结构化数据和网页
- 可配置的 LLM 与嵌入模型服务
- 多种召回方法与融合重排序
- 智能体工作流、预构建智能体模板、记忆和 MCP 支持
- Python 和 JavaScript 代码执行器组件
- 用于集成应用和业务系统的 API
- 默认使用 Elasticsearch 存储，也可使用 Infinity 作为替代文档引擎
- 多语言 README 文件
要求、安装和快速入门
推荐的自托管方式：克隆 https://github.com/infiniflow/ragflow，进入 docker 目录，检出与所选镜像匹配的发布版本，并使用 Docker Compose 启动服务。摘录中使用 v0.26.4 和命令 docker compose -f docker-compose.yml up -d。可通过文档说明的 DEVICE 设置，为 DeepDoc 任务选择 GPU 加速。打开浏览器访问服务器地址前，应通过容器日志确认初始化完成。在 service_conf.yaml.template 中配置所需的 LLM 提供商及对应 API 密钥。完整说明见 https://ragflow.io/docs/dev/。
用法
启动后，如使用默认 HTTP 端口 80，可打开 http://IP_OF_YOUR_MACHINE，登录后配置 LLM 提供商和 API 密钥，摄取数据，选择解析和分块行为，并创建检索或智能体工作流。托管服务位于 https://cloud.ragflow.io。所提供的仓库元数据未说明 API 的具体示例。
模型兼容性与使用场景
该系统支持可配置的 LLM 和嵌入模型。所提供的更新说明明确提到 DeepSeek v4、Gemini 3 Pro、OpenAI GPT-5 系列模型，以及用于理解 PDF 或 DOCX 文件图像的多模态模型。所提供的仓库元数据未说明完整的提供商和模型兼容性矩阵。
许可证与风险说明
仓库元数据将许可证标识为 Apache-2.0。仓库许可证文件位于 https://github.com/infiniflow/ragflow/blob/main/LICENSE。所提供的仓库元数据未说明额外的许可证例外或依赖项许可证分析。
发布与维护
摘录在启动示例中标识了 Docker 镜像 v0.26.4。列出的更新包括智能体工作流和 MCP 支持、Python/JavaScript 执行器、智能体记忆、多模态 PDF 和 DOCX 图像理解、同步数据源、可编排摄取、更多模型支持、OpenClaw skill 以及多个聊天渠道。正式发布说明位于 https://ragflow.io/docs/dev/release_notes，发布版本位于 https://github.com/infiniflow/ragflow/releases/latest。