RAGFlow：基于深度文档理解的开源RAG引擎，提供高效的检索增强生成工作流

综合介绍

RAGFlow 是一个开源的检索增强生成（RAG）引擎，基于深度文档理解技术。它为各种规模的企业提供了一个高效的 RAG 工作流，结合了大型语言模型（LLM），能够提供基于复杂格式数据的真实问答能力。RAGFlow 支持多种数据源，包括文档、幻灯片、电子表格、文本、图像和结构化数据，确保从海量数据中提取有价值的信息。其主要特点包括模板化分块、减少幻觉的引用、兼容异构数据源等。

功能列表

• 深度文档理解：基于复杂格式的非结构化数据进行知识提取。
• 模板化分块：提供多种模板选项，智能且可解释。
• 引用可视化：支持文本分块可视化，便于人工干预，快速查看关键引用。
• 兼容多种数据源：支持Word、幻灯片、Excel、文本、图像、扫描件、结构化数据、网页等。
• 自动化RAG工作流：为个人和大型企业提供流畅的RAG编排，支持多种召回和重排序。
• 直观的API：便于与业务系统无缝集成。

使用帮助

安装流程

1. 系统要求：
   • CPU：至少4核
   • 内存：至少16GB
   • 硬盘：至少50GB
   • Docker：版本24.0.0及以上
   • Docker Compose：版本v2.26.1及以上
2. 安装Docker：
   • Windows、Mac或Linux用户可以参考Docker安装指南。
3. 克隆RAGFlow仓库：

   git clone https://github.com/infiniflow/ragflow.git
cd ragflow

4. 构建Docker镜像：
   • 不包含嵌入模型的镜像：

    docker build -t ragflow .
   

   • 包含嵌入模型的镜像：

    docker build -f Dockerfile.deps -t ragflow .
   

5. 启动服务：

   docker-compose up

使用指南

1. 配置：
   • 在conf目录下修改配置文件，设置数据源路径、模型参数等。
2. 启动服务：
   • 使用上述命令启动服务后，可以通过API进行交互。
3. 主要功能操作：
   • 文档上传：将需要处理的文档上传至指定目录。
   • 数据处理：系统会自动对文档进行分块、解析和知识提取。
   • 问答系统：通过API发送问题，系统会基于文档内容生成答案，并提供引用。
4. 示例操作：
   • 上传一个Word文档： bash
curl -F "file=@/path/to/document.docx" http://localhost:8000/upload

   • 提问： bash
curl -X POST -H "Content-Type: application/json" -d '{"question": "文档的主要内容是什么？"}' http://localhost:8000/ask