- 综合排序
- 最热优先
- 最新优先
- 来自专栏轩辕镜像
🚀 Docker 部署 RAGFlow 全流程教程
RAGFlow 简介RAGFlow 是开源的下一代 RAG（Retrieval-Augmented Generation）系统，它结合了搜索引擎（向量数据库/Elasticsearch/Infinity 3、下载 RAGFlow 镜像3.1 使用轩辕镜像拉取（推荐）docker pull docker.xuanyuan.run/infiniflow/ragflow:v0.15.0-slim3.2 拉取后改名 /ragflow:v0.15.0-slim infiniflow/ragflow:v0.15.0-slim \&& docker rmi docker.xuanyuan.run/infiniflow/ragflow 4、启动 RAGFlow4.1 克隆官方仓库git clone https://github.com/infiniflow/ragflow.gitcd ragflow 为什么需要克隆官方仓库？ 结尾至此，你已经完成了 RAGFlow 的 Docker 部署！
3.3K20编辑于 2025-10-24 - 来自专栏JadePeng的技术博客
深度解读RAGFlow的深度文档理解DeepDoc
4 月 1 日，Infinity宣布端到端 RAG 解决方案 RAGFlow 开源，仅一天收获上千颗星，到底有何魅力？ 我们来安装体验并从代码层面来分析看看。 安装体验 服务器需要有docker，或者直接访问官方提供的demo： https://demo.ragflow.io/ docker-compose安装 需要确保 vm.max_map_count 不小于 262144 【更多】： sysctl -w vm.max_map_count=262144 克隆仓库： $ git clone https://github.com/infiniflow/ragflow.git 体验 启动成功后，浏览器输入 http://服务器ip 或者直接访问官方demo https://demo.ragflow.io/ 注册登录，进入后可以创建知识库，然后上传文档。 DeepDoc 介绍 DeepDoc 是 RAGFlow 的核心组件，它利用视觉信息和解析技术，对文档进行深度理解，提取文本、表格和图像等信息。
16.6K45编辑于 2024-04-10 - 来自专栏山行AI
RAGFlow-一款开源的RAG引擎
RAGFlow 是什么？ RAGFlow[1] 是一款基于深度文档理解构建的开源 RAG（Retrieval-Augmented Generation）引擎。 1.服务器启动成功后再次确认服务器状态： $ docker logs -f ragflow-server 1.在你的浏览器中输入你的服务器对应的 IP 地址并登录 RAGFlow。 $ cd ragflow/$ docker build -t infiniflow/ragflow:v0.2.0 . $ cd ragflow/docker$ chmod +x . ://demo.ragflow.io/ [2] 深度文档理解: https://github.com/infiniflow/ragflow/blob/main/deepdoc/README.md [3] [22] FAQ: https://github.com/infiniflow/ragflow/blob/main/docs/faq.md [23] RAGFlow Roadmap 2024: https
10.2K21编辑于 2024-04-18 - 来自专栏Lcry个人博客
RAGFlow 开源检索增强 AI 知识库部署教程
使用过 dify 和 fastgpt 的产品大家都知道还有一款增强 RAG 平台 RAGFlow，博主早在 2023 年 AI 盛行的时候就调研过这款产品，现在已经 2025 年，截止目前最新版本已经来到了 0.22.1了，为什么一直没有选用这款产品最大的特点就是吃内存，给人一种非常卡顿，相比 dify 和 fastgpt 平台 4c8h 的配置都能流畅使用来说，劝退大家的还是资源占用问题，但是最近刚好有接到部署 RAGFlow 介绍 RAGFlow 是一个领先的开源检索增强生成（RAG）引擎，将前沿的 RAG 与代理能力融合，为大型语言模型创建了更优越的上下文层。它提供了一套精简的 RAG 工作流程，适用于任何规模的企业。 RAGFlow 依靠融合上下文引擎和预构建的代理模板，使开发者能够高效且精准地将复杂数据转化为高保真、生产准备的 AI 系统。 up -d docker logs -f docker-ragflow-cpu-1 最后等待日志输出如下图案则可以访问服务器IP:80即可。
66610编辑于 2026-01-09 - 来自专栏人工智能领域
探索RAGFlow：解锁生成式AI的无限潜能（26）
1.RAGFlow 是什么 1.1 RAGFlow 的定义 RAGFlow 是一种融合了数据检索与生成式模型的新型系统架构，其核心思想在于将大规模检索系统与先进的生成式模型（如 Transformer、 验证服务状态 ：通过 docker ps 命令查看是否成功启动 ragflow-server、ragflow-es-01、ragflow-mysql、ragflow-minio 四个容器，也可使用 docker 4.RAGFlow 的应用场景 4.1 智能客服与虚拟助理 在电商领域，RAGFlow 为智能客服带来了革命性的变革。 而借助 RAGFlow，这一过程变得高效而准确 。RAGFlow 可以从企业的财务系统、销售数据库、市场调研报告等多个数据源中检索相关信息 。 8.总结 8.1 回顾 RAGFlow 的关键要点 RAGFlow 作为生成式 AI 领域的创新技术，展现出了强大的功能和独特的优势 。
2.4K10编辑于 2025-06-16 - 来自专栏福大大架构师每日一题
ragflow v0.21.1 发布：功能更新与优化详解
发布时间：2025年10月23日 ragflow v0.21.1 版本正式发布，本次版本对功能、性能、文档和界面等多个方面进行了更新和优化，涵盖了模型支持、解析器能力、知识库管理、界面交互以及开发工具等 • 架构图与 ragflow-cli 版本更新。 总结 代码地址：github.com/infiniflow/ragflow ragflow v0.21.1 是一次功能与稳定性双提升的重要版本，特别是在多模态解析、知识库管理、管道可视化以及管理端能力方面均有明显升级 对于使用 RAGFlow 进行知识检索、文档解析及智能应用构建的开发者来说，该版本的更新值得尽快升级体验。 我们相信人工智能为普通人提供了一种“增强工具”，并致力于分享全方位的AI知识。
47410编辑于 2025-12-18 ragflow部署安装mac版本#腾讯技术创作特训营S12#AI进化论#项目实战
ragflow部署安装#腾讯技术创作特训营S12#AI进化论一:ollama安装,自行完成,我本地已安装二:查看大模型情况:命令ollama list,我本地无ragflow三:docker安装:命令docker version ,自行完成,我本地已安装四:安装知识库软件ragflow:简单科普下Ragflow 是一个基于深度学习模型的问答生成工具，旨在为用户提供上下文相关的问题答案。 `为你的Ragflow项目的GitHub仓库地址。 克隆Ragflow的GitHub仓库： ```bash git clone https://github.com/your-ragflow-repository cd your-ragflow-repository 启动Ragflow服务： ```bash python -c "from ragflow import serve; serve.run()"### **第五步：访问Ragflow API**1.
1.8K10编辑于 2025-03-10- 来自专栏Datawhale专栏
dify v0.15.3外挂ragflow知识库，保姆级教程来了！
Datawhale干货 作者：张龙斐，Datawhale鲸英助教 上一次我们学习了如何部署ragflow，本次我们学习如何使用ragflow+dify搭建本地问答系统。 为什么要和dify结合呢，是因为dify的智能体功能非常强大，ragflow中虽然有类似的功能，但是并没有dify那么强大；但是ragflow可以解决dify解析和检索短板。 对应的，ragflow的资源消耗比较大，大家可以注意一下！ 最后，如果大家有疑问和建议非常欢迎批评指正！ 当然这里也可以命名为ragflow服务docker compose -p ragflow up -d 搭建本地问答系统 创建ragflow知识库+ragflow api 这里我们可以继续选择使用deepseek 输入网址：localhost:8080 打开ragflow界面，填入注册的账号和密码登录。
7.1K20编辑于 2025-04-02 - 来自专栏Datawhale专栏
DeepSeek接入个人知识库，保姆级教程来了！
先看效果： ragflow 简介： RAGFlow 是一款基于深度文档理解的开源检索增强生成（Retrieval-Augmented Generation，RAG）引擎，旨在通过结合信息检索和生成式 /infiniflow/ragflow.git 点击回车就可以看到多了一个文件夹 ragflow 由于默认配置版本是没有 embedding 模型的，所以我们修改配置为完整版。 最后我们输入docker logs -f ragflow-server，出现 RAGFLOW 字体就代表后端服务启动成功了。 之后点击登录就可以使用ragflow了。 启动 ragflow 程序： 打开 docker 软件，按下 win+R 打开 powershell，输入docker logs -f ragflow-server回车，就启动了后端服务了。！！
3.7K21编辑于 2025-02-26 部署Docker&使用Docker在OpenEuler服务器配置RAGFlow
在 Docker 中运行，则 localhost 在 RAGFlow Docker 容器内将映射为 host.docker.internal。 容器内部访问 Ollama： $ sudo docker exec -it ragflow-server bash $ curl http://host.docker.internal:11434/ > Ollama is running 如果 RAGFlow 是从源代码启动的，并且 Ollama 与 RAGFlow 在同一台主机上运行，请检查是否可以从 RAGFlow 的主机访问 Ollama 0.0s ✔ Container ragflow-server Started 查看状态docker ps -a --format "table {{.ID}}\t{{.Status}}\t{{ /ragflow:v0.18.0 也没有对应的镜像源来提供下载，需要在openEuler这个系统上使用源码来构建....
1.5K10编辑于 2025-06-04- 来自专栏福大大架构师每日一题
ragflow v0.19.0震撼发布！跨语言搜索、全新Agent代码组件、图像直显功能全面升级！
本文将从核心新特性、功能优化、社区贡献、应用场景切入，深度剖析该版本升级亮点，带你全面了解Ragflow v0.19.0的技术魅力和未来价值！ 二、Ragflow v0.19.0核心新特性详解 1. Ragflow内部通过调用底层多语言模型，将中文和英文内容统一映射到向量空间，进而实现中英文无缝匹配。 Ragflow支持即插即用这两款新模型，帮助企业利用最新的人工智能技术快速搭建智能助手、知识问答、客服等服务，保持竞争领先。 : https://github.com/infiniflow/ragflow
2.5K20编辑于 2025-05-26 - 来自专栏星哥的AI自留地
下一代开源 RAG 引擎，让你的 AI 检索与推理能力直接起飞
一、RAGFlow 是什么？RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，通过融合前沿的 RAG 技术与 Agent 能力，为大型语言模型提供卓越的上下文层。 二、安装RAGFlow系统：Linux1. 安装步骤# 克隆仓库git clone https://github.com/infiniflow/ragflow.gitcd ragflow/docker# 启动服务（CPU 版本）docker compose 访问服务浏览器访问 IP+端口号，即可进入 RAGFlow 管理界面。 参考：- [RAGFlow 官方 GitHub 仓库](https://github.com/infiniflow/ragflow)- [RAGFlow 在线 Demo](https://demo.ragflow.io
55710编辑于 2025-09-09 - 来自专栏TopFE
一体化单点注册与登录解决方案：基于Ragflow与毕昇的创新产品原型
一体化单点注册与登录解决方案：基于Ragflow与毕昇的创新产品原型 在当前数字化转型的大潮中，企业对于系统集成的需求日益增长。 用户只需一次注册，便可同时在三个系统中生成用户账号；同样，一次登录操作即可在 Ragflow、毕昇和业务系统中完成统一授权，获取所有需要的授权令牌。 产品的核心功能 单点注册： 用户在业务系统中注册时，会自动在 Ragflow 和 毕昇 中创建相应的用户账号。 无需多次填写信息，注册完成后会返回包括业务系统、Ragflow 和毕昇的所有注册信息。 结语 通过将 Ragflow 和 毕昇 两大开源项目的强大功能集成到一个业务系统中，我们为用户提供了极致的便利与高效的解决方案。
1.5K10编辑于 2024-10-15 - 来自专栏希里安
深度解锁AI私有知识库：用 DeepSeek 和 RAGFlow 打造企业级智能平台
RAGFlow可以Docker运行，部署非常简单。 比如，你可以通过设置 RAGFLOW_IMAGE=infiniflow/ragflow:v0.16.0 来下载 RAGFlow 镜像的 v0.16.0 完整发行版。 步骤5：登录并配置RAGFlow 1. 登录： 2. 检查Ollama状态： 步骤6：整合RAGFlow与DeepSeek 1. 连接RAGFlow与DeepSeek：在RAGFlow的配置界面中，找到“模型提供商”设置项，将DeepSeek的API地址填入RAGFlow中。 上传文件：向RAGFlow中添加新的文档，扩展知识库的内容。RAGFlow会自动更新向量索引，以确保信息检索的准确性。 2.
2.7K00编辑于 2025-03-31 - 来自专栏AI SPPECH
RAGFlow：2025年新一代RAG框架的技术革新与实践
5.3 局限性 目前RAGFlow仍存在一些局限性： 模型资源需求高：RAGFlow依赖于多个大型AI模型，需要大量的计算资源 配置复杂度高：对于初学者来说，配置和优化RAGFlow可能需要一定的技术知识 参考链接： GitHub RAGFlow项目主页：RAGFlow项目的官方代码仓库和文档 RAGFlow技术白皮书：详细介绍RAGFlow的架构和技术原理 2025年RAG技术发展报告：深入解析2025 （Appendix）： A.1 RAGFlow环境配置 # 克隆仓库 git clone https://github.com/RAGFlow/RAGFlow.git cd RAGFlow # 创建虚拟环境 /config.yaml" export RAGFLOW_API_KEY="your-api-key" export RAGFLOW_LOG_LEVEL="INFO" # 启动RAGFlow服务 python -m ragflow serve A.2 快速入门示例 # 导入RAGFlow from ragflow import RAGFlow # 初始化RAGFlow ragflow = RAGFlow(
68610编辑于 2026-01-01 - 来自专栏ceshiren0001
企业AI落地开源五剑客：Open-WebUI、Dify、RAGFlow、FastGPT、n8n
传统闭源方案成本高昂且灵活性不足，而以下五款开源工具正成为破局关键：Open WebUI：零代码构建AI交互界面Dify：低代码AI应用工厂RAGFlow：企业级知识处理引擎FastGPT：高速内容生成专家 RAGFlow：非结构化数据的“解剖大师”核心定位：专攻复杂文档解析，实现PDF/PPT/表格等高精度信息提取。 核心优势：流式响应+分布式推理，支持千并发请求内置敏感词过滤与合规审查模块局限：知识溯源能力较弱，需搭配RAGFlow使用。 知识处理 → RAGFlow流程自动化 → n8n快速生成内容 → FastGPT全流程开发 → Dify评估资源：轻量级场景：Open WebUI + FastGPT（4核8G）复杂文档处理：RAGFlow ：交互层（Open WebUI）生成层（FastGPT/Dify）知识层（RAGFlow）执行层（n8n）
1.9K10编辑于 2025-07-16 - 来自专栏福大大架构师每日一题
ragflow v0.19.1全面升级：性能优化与新特性深度解析
一、版本概览 RAGFlow作为开源智能文档处理框架的最新版本v0.19.1已于2025年6月正式发布。本次更新聚焦三大核心方向：系统稳定性增强、算法性能优化以及AI能力扩展。 迁移步骤： . # 新版SDK初始化示例 from ragflow import RAGFlow rf = RAGFlow( embedding_model="qwen3", reranker WASM边缘计算部署 RAGFlow v0.19.1通过这146项代码变更和37个新特性，显著提升了企业在复杂文档智能处理场景下的生产效率。建议所有用户升级至该版本以获得最佳性能和安全性体验。
2K10编辑于 2025-06-23 - 来自专栏个人路线
DeepSeek 全场景集成工具指南
20250208200259167 ️ 工具矩阵全景图 核心维度导航 应用场景 开发协作 知识管理 生产力工具 企业方案 典型需求 代码生成 文档处理 流程自动化 系统集成 推荐工具 Continue RAGFlow RAG 框架 产品 概述 RAGFlow[36] 一款基于深度文档理解构建的开源 RAG（Retrieval-Augmented Generation）引擎。 RAGFlow 可以为各种规模的企业及个人提供一套精简的 RAG 工作流程，结合大语言模型（LLM）针对用户各类不同的复杂格式数据提供可靠的问答以及有理有据的引用。 : https://ragflow.io/ [13] 馆长: https://ncurator.com/ [14] Dify: https://dify.ai/ [15] one-api: https: : https://github.com/infiniflow/ragflow
1.9K30编辑于 2025-02-12 四大开源AI Agent开发平台深度对比分析和选型参考报告-深度研究
2.4 RagFlow：深度优化的RAG引擎 RagFlow是一个专注于解决RAG核心痛点的开源引擎。它认为高质量的RAG效果源于对文档的深度理解，而非仅仅是向量检索。 RagFlow 极强 广 高 5.0 这是RagFlow的核心优势。深度文档解析、可视化分块、融合重排等功能在解决“幻觉”和提升答案质量方面效果显著 18。 4. 应用场景匹配 应用场景 主要推荐平台 次要推荐平台 理由 企业内部知识库问答 RagFlow Dify RagFlow能提供最高的问答准确率。Dify则能最快地搭建起一个可用的系统。 RagFlow将是不二之选。 7. 实施建议和风险评估 实施建议 采用混合策略：不要试图用一个平台解决所有问题。 RagFlow： 风险：过度专业化风险。如果企业未来的AI需求转向非RAG领域，单独投资于RagFlow的团队可能会面临技能转型挑战。
3.6K10编辑于 2025-06-24- 来自专栏福大大架构师每日一题
ragflow v0.18.0：VLM模型支持、知识库共享、Langfuse集成，企业级AI新选择
大家期待已久的RAGFlow v0.18.0版本终于隆重登场！ MCP服务器支持，开启知识库全新访问方式 v0.18.0引入MCP（Multi-Channel Protocol）服务器功能，轻松接入RAGFlow的知识库，轻松实现跨系统、跨应用的数据访问与整合，为顶层数据架构建设打下坚实基础 完美兼容OpenAI API，AI集成无缝对接 新增OpenAI兼容API接口，助力用户快速调用智能体服务，方便开发者基于RAGFlow进行二次开发及应用集成。 5. PPT、DOCX、PDF解析能力持续加强，图像和表格解析更完美 • 引入任务优先级机制，调度更智能 • 丰富API测试用例，提升系统稳定性 • 细节安全修复，多项界面与交互优化 适用场景与未来展望 RAGFlow 未来，RAGFlow将继续聚焦多模态融合、知识图谱建设和智能体生态，帮助更多行业客户实现数字化转型升级。
87510编辑于 2025-04-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号