Облачный сервис | Документация | Дорожная карта | Discord

📕 Содержание

• 💡 Что такое RAGFlow?
• 🎮 Начало работы
• 🔥 Последние обновления
• 🌟 Основные возможности
• 🔎 Системная архитектура
• 🎬 Самостоятельный хостинг
• 🔧 Конфигурации
• 🔧 Сборка Docker-образа
• 🔨 Запуск службы из исходного кода для разработки
• 📚 Документация
• 📜 Дорожная карта
• 🏄 Сообщество
• 🙌 Участие в проекте

💡 Что такое RAGFlow?

RAGFlow — это ведущий открытый движок генерации с расширенным поиском (RAG), который объединяет передовые технологии RAG с возможностями Агентов для создания превосходного контекстного слоя для больших языковых моделей (LLM). Он предлагает оптимизированный рабочий процесс RAG, адаптируемый для предприятий любого масштаба. Основанный на конвергентном контекстном движке и готовых шаблонах агентов, RAGFlow позволяет разработчикам эффективно и точно превращать сложные данные в высокоточные, готовые к эксплуатации ИИ-системы.

🎮 Начало работы

Попробуйте наш облачный сервис по адресу https://cloud.ragflow.io.

🔥 Последние обновления

• 2026-06-15 Поддержка множества каналов чатов, таких как Feishu, Discord, Telegram, Line и др.
• 2026-04-24 Поддержка DeepSeek v4.
• 2026-03-24 Навык RAGFlow в OpenClaw — Предоставляет официальный навык для доступа к наборам данных RAGFlow через OpenClaw.
• 2025-12-26 Поддержка «Памяти» для ИИ-агента.
• 2025-11-19 Поддержка Gemini 3 Pro.
• 2025-11-12 Поддержка синхронизации данных из Confluence, S3, Notion, Discord, Google Drive.
• 2025-10-23 Поддержка MinerU и Docling как методов парсинга документов.
• 2025-10-15 Поддержка управляемого пайплайна загрузки данных.
• 2025-08-08 Поддержка новейших моделей GPT-5 от OpenAI.
• 2025-08-01 Поддержка агентного рабочего процесса и MCP.
• 2025-05-23 Добавлен компонент-исполнитель кода Python/JavaScript в Агент.
• 2025-03-19 Поддержка использования мультимодальной модели для извлечения информации из изображений в файлах PDF или DOCX.

🎉 Следите за обновлениями

⭐️ Поставьте звезду нашему репозиторию, чтобы быть в курсе всех новинок и улучшений! Получайте мгновенные уведомления о новых релизах! 🌟

🌟 Основные возможности

🍭 «Качественный вход — качественный выход»

• Глубокое понимание документов для извлечения знаний из неструктурированных данных со сложными форматами.
• Находит «иголку в стоге данных» практически неограниченного объёма.

🱱 Разбиение на фрагменты на основе шаблонов

• Интеллектуально и объяснимо.
• Большой выбор шаблонов для разбиения.

🌱 Обоснованные цитирования с уменьшением галлюцинаций

• Визуализация разбиения текста с возможностью ручного вмешательства.
• Быстрый просмотр ключевых ссылок и отслеживаемые цитирования для поддержки обоснованных ответов.

🍔 Совместимость с гетерогенными источниками данных

• Поддержка Word, Slides, Excel, TXT, изображений, сканированных копий, структурированных данных, веб-страниц и многого другого.

🛀 Автоматизированный и простой рабочий процесс RAG

• Оптимизированная оркестрация RAG, адаптированная как для индивидуальных, так и для крупных бизнес-задач.
• Настраиваемые LLM и модели эмбеддингов.
• Множественное извлечение с комбинированным переранжированием.
• Интуитивно понятные API для бесшовной интеграции с бизнесом.

🔎 Системная архитектура

🎬 Самостоятельный хостинг

📝 Предварительные требования

• CPU >= 4 ядра
• ОЗУ >= 16 ГБ
• Диск >= 50 ГБ
• Docker >= 24.0.0 & Docker Compose >= v2.26.1
• Python >= 3.13
• gVisor: Требуется только в том случае, если вы планируете использовать функцию исполнителя кода (песочницы) в RAGFlow.

[!TIP] Если вы не установили Docker на локальной машине (Windows, Mac или Linux), ознакомьтесь с инструкцией Установка Docker Engine.

🚀 Запуск сервера

1. Убедитесь, что vm.max_map_count >= 262144:

   Чтобы проверить значение vm.max_map_count:

   bash sysctl vm.max_map_count

   Если значение не достигает 262144, установите его на значение не менее 262144.

   ```bash

   В этом случае мы устанавливаем его в 262144:

   > sudo sysctl -w vm.max_map_count=262144
   > ```
   >
   > Это изменение будет сброшено после перезагрузки системы. Чтобы оно сохранилось навсегда, добавьте или обновите
   > значение `vm.max_map_count` в файле **/etc/sysctl.conf**:
   >
   > ```bash
   > vm.max_map_count=262144
   > ```
   >
2. Клонируйте репозиторий:

   ```bash
   git clone https://github.com/infiniflow/ragflow.git
   ```
3. Запустите сервер, используя предварительно собранные Docker-образы:

> [!CAUTION]
> Все Docker-образы собраны для платформ x86. В настоящее время мы не предоставляем Docker-образы для ARM64.
> Если вы используете платформу ARM64, следуйте [этому руководству](https://ragflow.io/docs/dev/build_docker_image), чтобы собрать Docker-образ, совместимый с вашей системой.

> Следующая команда скачивает образ RAGFlow версии `v0.26.4`. Смотрите следующую таблицу с описанием различных редакций RAGFlow. Чтобы скачать редакцию, отличную от `v0.26.4`, обновите переменную `RAGFLOW_IMAGE` в файле **docker/.env** перед использованием `docker compose` для запуска сервера.

```bash
   cd ragflow/docker

   git checkout v0.26.4
   # Optional: use a stable tag (see releases: https://github.com/infiniflow/ragflow/releases)
   # This step ensures the **entrypoint.sh** file in the code matches the Docker image version.

   # Use CPU for DeepDoc tasks:
   docker compose -f docker-compose.yml up -d

   # To use GPU to accelerate DeepDoc tasks:
   # sed -i '1i DEVICE=gpu' .env
   # docker compose -f docker-compose.yml up -d

Примечание: До версии v0.22.0 мы предоставляли как образы с моделями эмбеддингов, так и облегчённые образы (slim) без моделей эмбеддингов. Подробности приведены в таблице ниже:

ачиная с версии v0.22.0 мы поставляем только облегчённую редакцию (slim) и больше не добавляем суффикс -slim к тегу образа.

1. Проверьте статус сервера после его запуска:

   bash docker logs -f docker-ragflow-cpu-1

   Следующий вывод подтверждает успешный запуск системы:

   ```bash

      ____   ___    ______ ______ __
     / __ \ /   |  / ____// ____// /____  _      __
    / /_/ // /| | / / __ / /_   / // __ \| | /| / /
   / _, _// ___ |/ /_/ // __/  / // /_/ /| |/ |/ /
   

   // ||// ||_/// /_/ __/ |/|/

   * Running on all addresses (0.0.0.0) ```

   Если вы пропустите этот шаг подтверждения и сразу войдёте в RAGFlow, ваш браузер может показать ошибку network abnormal, потому что в этот момент ваш RAGFlow может быть ещё полностью не инициализирован.

   1. В веб-браузере введите IP-адрес вашего сервера и войдите в RAGFlow.

   С настройками по умолчанию вам нужно просто ввести http://IP_ВАШЕГО_КОМПЬЮТЕРА (без номера порта), так как стандартный HTTP-порт 80 может быть опущен при использовании конфигурации по умолчанию.

   1. В файле service_conf.yaml.template выберите нужную фабрику LLM в параметре user_default_llm и обновите поле API_KEY соответствующим ключом API.

   Подробную информацию смотрите в llm_api_key_setup.

   Всё готово к работе!

🔧 Конфигурации

При настройке системы вам потребуется управлять следующими файлами:

• .env: Хранит базовые настройки системы, такие как SVR_HTTP_PORT, MYSQL_PASSWORD и MINIO_PASSWORD.
• service_conf.yaml.template: Настраивает бэкенд-сервисы. Переменные окружения в этом файле будут автоматически заполнены при запуске Docker-контейнера. Любые переменные окружения, установленные внутри Docker-контейнера, будут доступны для использования, что позволяет настраивать поведение сервисов в зависимости от среды развёртывания.
• docker-compose.yml: Система использует docker-compose.yml для запуска.

Файл ./docker/README содержит подробное описание настроек окружения и конфигураций сервисов, которые могут использоваться как ${ENV_VARS} в файле service_conf.yaml.template.

Чтобы изменить стандартный HTTP-порт (80), перейдите в docker-compose.yml и замените 80:80 на <ВАШ_ПОРТ_СЕРВЕРА>:80.

Для вступления изменений вышеперечисленных конфигураций в силу потребуется перезапуск всех контейнеров:

bash docker compose -f docker-compose.yml up -d

Переключение движка документов с Elasticsearch на Infinity

RAGFlow по умолчанию использует Elasticsearch для хранения полного текста и векторов. Чтобы переключиться на Infinity, выполните следующие шаги:

1. Остановите все запущенные контейнеры:

   bash docker compose -f docker/docker-compose.yml down -v

[!WARNING] Флаг -v удалит тома Docker-контейнеров, и все существующие данные будут уничтожены.

1. В файле docker/.env установите значение DOC_ENGINE равным infinity.

2. Запустите контейнеры:

   bash docker compose -f docker/docker-compose.yml up -d

[!WARNING] Переключение на Infinity на машине с Linux/arm64 пока официально не поддерживается.

🔧 Сборка Docker-образа

Этот образ размером около 2 ГБ и зависит от внешних сервисов LLM и эмбеддингов.

git clone https://github.com/infiniflow/ragflow.git
cd ragflow/
docker build --platform linux/amd64 -f Dockerfile -t infiniflow/ragflow:nightly .

Или, если вы находитесь за прокси, вы можете передать прокси-аргументы:

docker build --platform linux/amd64 \
  --build-arg http_proxy=http://YOUR_PROXY:PORT \
  --build-arg https_proxy=http://YOUR_PROXY:PORT \
  -f Dockerfile -t infiniflow/ragflow:nightly .

🔨 Запуск сервиса из исходного кода для разработки

[!IMPORTANT] После первого клонирования репозитория выполните команду git config --local --unset core.hooksPath, затем uv tool install lefthook и lefthook install из корневой директории репозитория, чтобы активировать локальные Git-хуки.

1. Установите uv или пропустите этот шаг, если он уже установлен:

   bash pipx install uv 2. Клонируйте исходный код и установите зависимости Python:

   bash git clone https://github.com/infiniflow/ragflow.git cd ragflow/ uv sync --python 3.13 # установка модулей Python, необходимых для RAGFlow uv run python3 ragflow_deps/download_deps.py git config --local --unset core.hooksPath uv tool install lefthook lefthook install 3. Запустите зависимые сервисы (MinIO, Elasticsearch, Redis и MySQL) с помощью Docker Compose:

   bash docker compose -f docker/docker-compose-base.yml up -d

   Добавьте следующую строку в /etc/hosts, чтобы все хосты, указанные в файле docker/.env, резолвились в 127.0.0.1:

   text 127.0.0.1 es01 infinity mysql minio redis sandbox-executor-manager 4. Если у вас нет доступа к HuggingFace, установите переменную окружения HF_ENDPOINT для использования зеркала:

   bash export HF_ENDPOINT=https://hf-mirror.com 5. Если в вашей операционной системе отсутствует jemalloc, установите его следующим образом:

   bash # Ubuntu sudo apt-get install libjemalloc-dev # CentOS sudo yum install jemalloc # OpenSUSE sudo zypper install jemalloc # macOS brew install jemalloc 6. Запустите бэкенд-сервис:

   bash source .venv/bin/activate export PYTHONPATH=$(pwd) bash docker/launch_backend_service.sh 7. Установите зависимости фронтенда:

   bash cd web npm install 8. Запустите фронтенд-сервис:

   bash npm run dev

   Следующий вывод подтверждает успешный запуск системы:

   9. После завершения разработки остановите фронтенд и бэкенд-сервисы RAGFlow:

   bash pkill -f "ragflow_server.py|task_executor.py"

📚 Документация

• Быстрое начало
• Конфигурации
• Заметки о выпусках
• Руководства пользователя
• Руководства разработчика
• Справочники
• ЧАВО (FAQ)

📜 Дорожная карта

Смотрите Дорожную карту RAGFlow 2026

🏄 Сообщество

• Discord
• X (Twitter)
• Обсуждения на GitHub

🙌 Участие в проекте

RAGFlow процветает благодаря сотрудничеству в открытом исходном коде. В этом духе мы приветствуем разнообразные вклады сообщества. Если вы хотите стать участником, сначала ознакомьтесь с нашими Руководством по участию. ``````