星标数：94122★ Fork数：11318 《ragflow：融合 Agent 能力的开源 RAG 引擎》

RAGFlow 是一个领先的开源检索增强生成（RAG）引擎，它将前沿的 RAG 技术与 Agent 能力融合，为大语言模型构建更优越的上下文层。该项目提供了一套精简的 RAG 工作流，可适配各种规模的企业。

凭借统一的上下文引擎（context engine）和预置的 Agent 模板，RAGFlow 能帮助开发者以极高的效率和精度，将复杂数据转化为高保真、可投入生产的 AI 系统。

项目提供云端服务，也支持本地部署：Docker 部署适合快速评估、集成测试和生产部署，从源码启动则用于 RAGFlow 的开发与调试。

主要特点

• “高质量输入，高质量输出”：基于深度文档理解，从格式复杂的非结构化数据中抽取知识，能在海量数据中找到“大海捞针”般的关键信息。
• 基于模板的分块：分块智能且可解释，提供丰富的模板选项。
• 知识编译：在文档和数据集层面将内容编译为结构化知识产物，可用编译模板生成 Wiki、图谱、树、PageIndex、思维导图、时间线和技能。
• Agentic Retrieval（智能检索）：针对复杂问题执行多步检索，模型会分析问题、必要时进行拆解、检索知识并验证证据；支持 Low、Medium、High、Ultra 四种思考模式。
• 有据引用，降低幻觉：可视化文本分块以便人工干预，可快速查看关键参考并追溯引用来源。
• 兼容异构数据源：支持 Word、PowerPoint、Excel、TXT、图片、PDF、扫描件、结构化数据、网页等。

快速开始

云端试用：https://cloud.ragflow.io

Docker 本地部署（推荐起始配置：4 核 CPU、16 GB 内存、50 GB 可用磁盘；需要 Docker ≥ 24.0.0、Docker Compose ≥ v2.26.1）：

docker pull infiniflow/ragflow

若使用 Elasticsearch，需在 Docker 宿主机上将 vm.max_map_count 设置为至少 262144（使用 Infinity 时通常不需要）：

sysctl vm.max_map_count

📊 本项目 GitHub 星标数：94122。最后更新：2026-11-13，发布：2026-11-13。项目地址：https://github.com/infiniflow/ragflow