AI工具箱
RAGFlow

RAGFlow 使用教程

从入门到精通的完整指南

RAGFlow 简介

RAGFlow 是由 InfiniFlow 开发的开源 RAG（检索增强生成）引擎，专注于深度文档理解和精准问答。支持 PDF、Word、PPT、Excel 等多种文档格式的智能解析，内置 OCR 和版面识别能力，能准确提取表格、图片中的信息。提供可视化知识库管理和对话界面，支持与主流大模型集成，适合企业级文档问答和知识管理系统。

详细功能介绍

【工具简介】

RAGFlow 是一款开源的 RAG 引擎，通过深度文档理解实现精准的基于文档的智能问答。

【核心功能】

①深度文档解析：支持 PDF、Word、PPT、Excel、图片等 30+ 格式，内置 OCR、表格识别和版面分析能力，准确提取文档中的结构化和非结构化信息。

②智能分块与检索：基于文档语义结构自动分块，而非简单按字数切分，配合向量检索和混合搜索策略，提升检索准确率。

③可视化知识库管理：提供 Web 界面管理文档库，支持文档上传、预览、标注和分块预览，便于调试和优化检索效果。

④多模型灵活接入：支持对接 OpenAI、Claude、通义千问、文心一言等主流大模型，可配置不同的 Embedding 和 LLM 组合。

⑤引用溯源与可信回答：回答时标注信息来源文档和具体段落，支持用户溯源验证，减少幻觉问题。

【适用场景】

  • 企业知识库问答：将企业内部文档、产品手册、规章制度等构建为智能知识库，员工可通过自然语言快速查询所需信息。
  • 合同与法律文档审查：上传合同、法规等文档，通过问答方式快速定位关键条款、对比差异，辅助法务人员高效工作。
  • 学术文献研究辅助：批量导入论文和技术文档，支持跨文档检索和综合问答，帮助研究人员快速获取文献信息。

    • 【快速入门】

  • 环境部署：使用 Docker Compose 一键部署，包含 RAGFlow 服务、数据库和向量存储组件。
  • 配置模型：在系统设置中配置 LLM 和 Embedding 模型的 API 密钥，支持多种模型组合。
  • 创建知识库：新建知识库并上传文档，系统自动进行文档解析、分块和向量化处理。
  • 开始问答：在对话界面选择知识库，输入问题即可获得带引用来源的智能回答。

    • 【优缺点分析】

    优点：

  • 文档解析能力强，OCR 和表格识别效果好，处理复杂版面文档优于同类方案。
  • 检索准确率高，基于语义结构的分块策略比简单分块效果更好。
  • 提供完整的可视化管理界面，非技术人员也能轻松使用。

    • 缺点：

  • 部署资源要求较高，完整的 Docker 部署需要较大内存和存储空间。
  • 处理超大文档时解析时间较长，首次导入需要耐心等待。
  • 自定义分块策略的灵活性有限，特殊文档结构可能需要额外适配。

    • 【适合人群】

  • 企业 IT 和知识管理团队：需要构建内部知识库和智能问答系统的团队，尤其适合文档量大、查询频繁的场景。
  • 法务和研究人员：需要处理大量专业文档、快速定位关键信息的法律和学术工作者。
  • AI 应用开发者：需要为产品添加 RAG 能力、构建文档问答功能的开发者。

    • 1RAGFlow 入门教程：搭建企业级智能文档问答系统

    入门10分钟
    RAGFlow 是一款基于深度文档理解的 RAG 引擎，能智能解析复杂文档结构，支持表格、图表、公式识别，提供精准的文档问答能力，适合企业知识库建设。 一、快速开始 1. 确保已安装 Docker 和 Docker Compose，运行 docker --version 确认。 2. 克隆项目：git clone https://github.com/infiniflow/ragflow.git，进入目录后执行 docker compose -f docker-compose.yml up -d 启动服务。 3. 等待容器启动完成（首次需下载镜像，可能需要几分钟），浏览器访问 http://localhost 进入管理界面。 4. 注册管理员账号并登录，即可开始创建知识库。 二、核心功能演示 功能1：创建知识库并上传文档 点击左侧导航栏的「知识库」，新建一个知识库，选择文档解析策略（通用、论文、法律等模板）。然后上传 PDF、Word、Excel 等文档，RAGFlow 会自动进行 OCR 识别、表格提取、段落切分等深度解析，生成结构化的知识片段。 功能2：智能问答对话 进入「对话」页面，新建对话并关联已创建的知识库。在聊天框中提问，例如：这份合同中关于违约金的条款是什么？RAGFlow 会从知识库中检索相关内容，结合大模型生成准确回答，并标注引用来源，方便溯源验证。 功能3：文档结构化提取 上传包含复杂表格的文档后，RAGFlow 的深度解析引擎能自动识别表格结构，将表格数据转化为可查询的结构化内容。你可以在知识片段预览中查看解析结果，手动调整不准确的切分，确保问答质量。 三、实际使用案例 案例1：企业内部知识库 将公司制度手册、产品文档、技术规范等上传到 RAGFlow，员工可以直接用自然语言提问，如年假政策是什么、产品部署流程是怎样的，系统会从文档中精准找到答案，大幅减少重复咨询。 案例2：合同审查辅助 法律团队将大量合同模板和历史合同上传，审查新合同时只需提问：帮我检查这份合同是否有缺失的保密条款，系统会对比知识库中的标准模板，快速指出差异和风险点，提升审查效率。 四、常见问题 FAQ Q1：支持哪些文档格式？ A：支持 PDF、Word（docx）、Excel、PPT、Markdown、TXT 等常见格式，其中 PDF 的解析效果最为完善，支持扫描件 OCR。 Q2：需要什么硬件配置？ A：最低需要 4GB 内存。如果使用内置的 Embedding 模型，建议 8GB 以上内存。如需处理大量文档，16GB 内存和 SSD 硬盘会显著提升体验。 Q3：可以对接哪些大模型？ A：支持 OpenAI GPT 系列、Claude、Gemini、国产模型如通义千问和智谱等，也支持本地部署的开源模型如 Ollama，在系统设置中配置 API Key 即可切换。 五、小贴士 1. 上传文档前先选择合适的解析模板，法律文档选「法律」模板，学术论文选「论文」模板，解析准确率会大幅提升。 2. 定期检查知识片段的质量，对切分不合理的片段进行手动调整，这是提升问答效果最直接的方式。 3. 对于超大文档，建议先拆分为多个小文件再上传，单个文件控制在 50MB 以内，解析速度更快且不易出错。
    返回RAGFlow详情页访问RAGFlow官网 →