4个步骤掌握RAGFlow：从安装到配置的深度文档理解指南

RAGFlow是一个基于深度文档理解的开源RAG（检索增强生成）引擎，能够为LLM提供高质量上下文层，实现基于复杂格式数据的真实问答能力。本指南将带你通过4个关键步骤，快速掌握RAGFlow的安装和配置方法。🚀

第一步：环境准备与系统配置

在开始安装RAGFlow之前，需要确保你的系统满足以下要求：

硬件要求：

• CPU：4核以上（x86架构）
• 内存：16GB以上
• 磁盘：50GB以上

软件要求：

• Docker ≥ 24.0.0
• Docker Compose ≥ v2.26.1

关键系统配置： RAGFlow使用Elasticsearch或Infinity进行多路召回，需要正确设置vm.max_map_count参数：

# 检查当前值
sysctl vm.max_map_count

# 设置为至少262144
sudo sysctl -w vm.max_map_count=262144

# 永久生效（添加到/etc/sysctl.conf）
vm.max_map_count=262144

这个配置对于Elasticsearch组件的正常运行至关重要，如果设置不当，可能会出现"无法连接到ES集群"的异常。

第二步：快速启动RAGFlow服务器

RAGFlow提供了预构建的Docker镜像，可以快速启动整个系统：

# 克隆仓库
git clone https://gitcode.com/GitHub_Trending/ra/ragflow
cd ragflow/docker

# 使用CPU进行DeepDoc任务
docker compose -f docker-compose.yml up -d

启动完成后，通过以下命令检查服务器状态：

docker logs -f docker-ragflow-cpu-1

看到RAGFlow的ASCII艺术logo和"Running on all addresses (0.0.0.0)"输出，即表示系统启动成功。

第三步：配置LLM和创建数据集

配置语言模型

RAGFlow需要与LLM配合工作，支持大多数主流语言模型。在系统设置中配置：

• 聊天模型
• 嵌入模型
• 图像转文本模型

创建你的第一个数据集

数据集是RAGFlow中的核心概念，支持多种文件格式：

• 文档类：PDF、DOC、DOCX、TXT、MD、MDX
• 表格类：CSV、XLSX、XLS
• 图片类：JPEG、JPG、PNG、TIF、GIF
• 幻灯片类：PPT、PPTX

RAGFlow提供多种分块模板，可根据不同文档布局和文件格式选择合适的分块方法。

第四步：文档解析与AI对话设置

深度文档理解

RAGFlow的核心优势在于其深度文档理解能力：

• 从复杂格式的非结构化数据中提取知识
• 可视化文本分块，支持人工干预
• 可追溯的引用，确保回答有据可依

设置AI对话

基于创建的数据集，可以设置AI对话：

1. 创建聊天助手
2. 配置聊天设置
3. 选择聊天模型
4. 开始对话

RAGFlow的系统架构融合了先进的RAG与Agent能力，为企业和个人用户提供简化的RAG工作流程。

核心功能亮点 ✨

🍭 质量输入，质量输出 基于深度文档理解的知识提取，支持复杂格式的非结构化数据处理。

🍱 基于模板的分块 智能且可解释的分块方法，提供丰富的模板选项。

🌱 减少幻觉的可靠引用 可视化文本分块，支持人工干预，提供可追溯的关键引用。

🍔 异构数据源兼容性 支持Word、幻灯片、Excel、文本、图像、扫描副本、结构化数据、网页等多种数据源。

通过这4个步骤，你可以快速上手RAGFlow，体验其强大的文档理解和检索增强生成能力。无论是个人项目还是企业级应用，RAGFlow都能提供高效、精准的AI问答解决方案。🎯