InfiniFlow 出品，专攻“文档很难搞”的 RAG：DeepDoc 做版面分析、OCR、表格识别，模板化分块可人工检查修正，向量+BM25 混合检索+重排，回答带可追溯引用。检索即产品，不是附属功能。

适用场景：扫描件/复杂 PDF/表格多的知识库、客服与合规问答、研报与制度文档问答

RAGFlow 文档解析 OCR 混合检索 引用溯源

操作步骤

  1. Linux x86_64 + Docker Compose 部署（搜索来源称约需 16GB 内存；macOS 暂不支持其 Docker 部署）
  2. 先在模型供应商里配好 LLM、Embedding、Rerank（见下）
  3. 建数据集 → 上传文档 → 选与文档类型匹配的分块模板 → 检查解析/分块结果并人工修正错块
  4. 建聊天助手，开启混合检索与重排，用真实问题测引用是否对得上原文，再对外发布/API 接入

开源项目信息

  • 仓库：https://github.com/infiniflow/ragflow
  • Stars 口径：搜索快照：open-source-tools（2026-10-20 刷新）称 92.5k stars；ayautomate 称约 92,000（2026-10）——量级约 9.2 万。注：Milvus 一篇旧问答仍写 33,000+，为过期数据，不采用
  • 许可：Apache License 2.0（仓库 LICENSE 徽章与多个来源一致）
接入本站 API：在 RAGFlow 的模型供应商设置中添加 OpenAI 兼容类供应商（具体条目名以当前版本 UI/官方文档为准，上线前复核）：LLM、Embedding、Rerank 分开添加，Base URL 统一填 https://tokenbuddy.cc、Key 填 LIN 的 Key、模型名填 LIN 模型列表中的准确 ID。若 LIN 侧暂不提供 Embedding/Rerank 模型，Embedding 可改用本地 bge-m3 等（见第 10 条），LLM 仍走 LIN API——混合搭配是常见做法，但 Embedding 一旦选定不可随意更换（换了要全量重建索引）。

注意事项

  • ⚠️ 文档解析质量决定上限：扫描歪斜、表格跨页不先检查分块就直接上线，答错还以为是模型问题
  • ⚠️ 机器内存不足硬上，解析大批量 PDF 时 OOM
  • ⚠️ 只用纯向量检索不用混合+重排，专有名词/编号类问题（如产品型号、条款号）经常召回不到

来源：https://www.open-source-tools.com/ragflow