RagFlow: 一文读懂RAGFlow：从 0 到 1教你搭建RAG知识库

大模型开发
215 阅读5分钟

RAGflow 项目介绍

RAGflow 是一款基于 "深度文档理解" 构建的开源 RAG(Retrieval-Augmented Generation)引擎。
它可以为各种不同规模的项目, 提供一套精简通用的 RAG 工作流程，
结合 LLM(大语言模型) 针对用户的各类不同的复杂格式数据, 提供 "可靠的问答" 和 "有理有据的引用"。

本文将详细介绍 RAGflow 项目，并提供快速入门指南，同时也会从源码层面对 RAGflow 项目进行简要解析，从而可以对 RAGflow 项目有一个全面的了解。

  1. RAGflow 核心功能介绍
    RAGflow 是一个集成化、模块化的 RAG 框架，
    它结合了最新的 检索技术、LLM(大型语言模型)、支持多种类型的数据格式解析、多样的切片&索引构建策略，
    以提高 "生成内容的质量和关联性"，同时还支持基于 Graph 的 Agent 工作流构建，
    端到端提供检索增强问答等能力。
    具体来说，RAGflow 的核心功能包括：

    • 高质量的文档提取：支持多种格式的文档，确保准确的信息抽取
    • 基于模板，支持各类切片模式：灵活适应不同场景的数据分割需求
    • 可视化，检索内容支持溯源，切片透明：提高系统的可解释性和可信度
    • 支持多种类型的数据源：适应各种数据环境，提高系统的通用性
    • 支持多种模型对接：兼容不同的语言模型，满足多样化的应用需求
    • 提供各类API：便于集成到现有系统中，提高开发效率
    • 多路召回，融合重排序：提高检索精度和相关性
    • 支持Graph定制工作流：实现复杂的智能交互和决策流程

  2. 系统架构
    RAGflow 整体的系统架构图如下：

环境准备与系统搭建

环境需求

在搭建RAGFlow系统前，需要确保开发与运行环境满足以下要求：

  • • 硬件配置：建议采用多核CPU、充足内存（16GB及以上）以及支持高并发访问的存储设备；如需部署大规模检索服务，可考虑使用分布式存储集群。
  • • 操作系统：推荐使用Linux发行版（如CentOS、Ubuntu）以便于Shell脚本自动化管理；同时也支持Windows环境，但在部署自动化脚本时可能需要适当调整。
  • • 开发语言与工具：主要使用Java进行系统核心模块开发，同时结合Shell脚本实现自动化运维。
  • • 依赖环境：需要安装Java 8及以上版本，同时配置Maven或Gradle进行依赖管理；对于数据检索部分，可采用ElasticSearch、Apache Solr等开源检索引擎；生成模块则依赖于预训练模型，可以借助TensorFlow或PyTorch进行实现。

服务器配置

  • • CPU >= 4 核
  • • RAM >= 16 GB
  • • Disk >= 50 GB
  • • Docker >= 24.0.0 & Docker Compose >= v2.26.1

安装

修改 max_map_count

确保 vm.max_map_count 不小于 262144

如需确认 vm.max_map_count 的大小：

$ sysctl vm.max_map_count

如果 vm.max_map_count 的值小于 262144，可以进行重置：

# 这里我们设为 262144:
$ sudo sysctl -w vm.max_map_count=262144

你的改动会在下次系统重启时被重置。如果希望做永久改动，还需要在  /etc/sysctl.conf 文件里把 vm.max_map_count 的值再相应更新一遍：

vm.max_map_count=262144
下载仓库代码
git clone https://github.com/infiniflow/ragflow.git
Docker拉取镜像

修改镜像为国内镜像并且选择embedding版本

修改文件docker/.env/

默认配置为：RAGFLOW_IMAGE=infiniflow/ragflow:v0.16.0-slim

修改为国内镜像：RAGFLOW_IMAGE=registry.cn-hangzhou.aliyuncs.com/infiniflow/ragflow:v0.16.0

RAGFlow image tagImage size (GB)Has embedding models?Stable?
v0.16.0≈9✔️Stable release
v0.16.0-slim≈2❌Stable release
nightly≈9✔️Unstable nightly build
nightly-slim≈2❌Unstable nightly build

运行命令拉取镜像

docker compose -f docker/docker-compose.yml up -d

image-20250218134526193查看日志

docker logs -f ragflow-server

提示下面提示说明启动成功

     ____   ___    ______ ______ __
    / __ \ /   |  / ____// ____// /____  _      __
   / /_/ // /| | / / __ / /_   / // __ | | /| / /
  / _, _// ___ |/ /_/ // __/  / // /_/ /| |/ |/ /
 /_/ |_|/_/  |_|____//_/    /_/ ____/ |__/|__/

 * Running on all addresses (0.0.0.0)
 * Running on http://127.0.0.1:9380
 * Running on http://x.x.x.x:9380
 INFO:werkzeug:Press CTRL+C to quit

访问IP，进入 RAGFlow，注意不是 9380 端口，Web是http://127.0.01默认为 80 端口

image-20250218135456390

应用

注册账号

image-20250218135625403

注册完直接登录

image-20250218135717184

添加模型

**本文用到的模型类型：Chat 和 Embedding。**Rerank 模型等后续在详细介绍。

点击右上角->模型提供商->添加模型

image-20250219161523490

填写模型信息，模型类型选 chat

image-20250219161441642

再添加一个 Embedding 模型用于知识库的向量转换（RAGFlow 默认也有 Embedding）

image-20250219161827675

在系统模型设置中配置聊天模型和嵌入模型为我们刚刚添加的模型

image-20250219163114721

创建知识库

image-20250219162148401

填写相关配置

  • • 文档语言：中文
  • • 嵌入模型：选择我们自己运行的bge-m3:latest,也可以用默认的。具体效果大家自行评估

image-20250219162457976

上传文件

这里我自己造了一个测试文档来验证知识库，内容是编的，介绍一个 ABCD 工具，文档在文末提供下载。

image-20250219162616449

image-20250219162528361

文件上传后是未解析状态，需要解析才可以使用，点击解析

image-20250219162738069

解析成功后点击文件可以看到解析效果

image-20250219162906257

效果

image-20250219162931748

创建聊天

image-20250219163339314

设置模型。token 调整大一些

image-20250219163408611

验证效果

问题一：直接发送 ABCD

知识库回答

image-20250219163519619

原文档

image-20250219163648682

问题二：ABCD 错误代码有哪些

知识库回答

image-20250219164100751

原文档

image-20250219164043103

问题三：ABCD 支持哪些系统

知识库回答

image-20250219164230807

原文档

image-20250219164256131

问题四：ABCD 官网

知识库回答

image-20250219164944000

你也可以在回答的结果看到他引用的知识库

image-20250219165026381

原文档

image-20250219165057019

总结

本文介绍了 RAGFlow 的基础使用方法，从演示效果来看尚可。然而，在实际应用场景中，各类文件格式与结构各不相同，文件解析成为一大难题。一旦解析不准确，即便使用性能强劲的 Deepseek-R1 大模型（经亲测），也会出现分析错误的情况。因此，在 RAG 过程中，文件解析、Embedding 以及 LLM 是提升准确率的三大关键攻克点。

原文地址：https://mp.weixin.qq.com/s/QmCr8ont0NNJl9Ft1hBttA

avatar
文章
阅读
粉丝