首页 / 开源 · RAG / 应用搭建 / RAGFlow
📚
RAGFlow
infiniflow
很强的开源 RAG 引擎，文档问答 / 企业知识库首选。
它能帮你做什么
- 把大量文档（含复杂表格 / 版式 PDF）做成精准、有出处的问答知识库
- 搭企业内部客服 / 答疑机器人，员工问它答
- 做法规、合同、说明书等专业资料的问答
- 通过 API 把知识库接进自己的系统 / 网站
解读
RAGFlow 是目前很强的开源 RAG 引擎。RAG 是「检索增强生成」的缩写，通俗说就是：先从你的资料里翻到相关内容，再让 AI 基于这些内容回答——这样 AI 不会瞎编，答案都有出处。
它比一般的文档问答强在：擅长处理表格、版式复杂的 PDF、扫描件，切分得更准，所以答得更靠谱。适合企业知识库、客服问答、法规 / 合同问答这类「资料多、要求准」的场景。
门槛较高：要 Docker、内存建议 16G 以上。个人只想简单问答文档，用 AnythingLLM 更省事；要认真做知识库再上它。
适合谁
要认真做知识库 / 文档问答、对准确度有要求的团队或进阶用户。需要 Docker、内存 16G+。个人简单问答文档，用 AnythingLLM 更轻。
开始前的准备
- 一台装了 Docker 的机器，建议 16G 内存以上。
- 一个大模型（可接本地 Ollama 或云端 API）。
- 你的文档资料。
手把手教程
- 装 Docker：docker.com 装好并启动，注意给足内存。
- 拿项目：克隆 RAGFlow 仓库（慢加
ghproxy.com/）。 - 启动：进入项目的 docker 目录，运行
docker compose up -d，等它拉起（首次较久）。 - 打开管理页：浏览器访问它的地址，注册 / 登录。
- 配模型：在设置里接一个大模型（本地 Ollama 或云端 API）。
- 建库问答：新建知识库、上传文档，等它解析完成，就能对着资料提问了。
常见问题 / 踩坑
RAG 到底是什么？
简单说就是「让 AI 先查你的资料再回答」，避免它凭空瞎编，答案有据可查、能给出处。
内存不够会怎样？
可能起不来或很卡。它组件多、吃资源，建议 16G 以上；配置低就用更轻的 AnythingLLM。
和 AnythingLLM / Dify 区别？
RAGFlow 更专精文档解析和检索质量，适合复杂文档、要求高的场景；AnythingLLM 更轻更省事；Dify 更偏搭完整 AI 应用。
要花钱吗？
软件免费；接云端模型按量付费，接本地 Ollama 免费。
进阶技巧
- 复杂表格 / 扫描件是它的强项，这类文档用它比用轻量工具效果好很多。
- 建库时选对切分方式（按它推荐的文档类型），检索会更准。
打不开 GitHub / 国内访问
文档 ragflow.io 可访问；克隆慢加
ghproxy.com/，Docker 镜像配国内加速器。模型接本地 Ollama 可全程免费离线。