RAGRAGFlow开源文档本地部署模型

RAGFlow RAGFlow 0.17

RAGFlow系列 · InfiniFlow · 2024-04发布

开源支持本地部署国内可直连有免费额度长上下文

🔗 官方体验地址 → 📄 API文档地址 → 📥 模型下载地址 →

模型介绍

RAGFlow 是深度文档理解的 RAG 引擎，布局识别、表格抽取质量高，中文文档处理优秀，可本地部署。

模型基础信息

模型系列RAGFlow系列

开发机构InfiniFlow

发布时间2024-04

参数规模RAG 引擎（深度文档理解）

上下文窗口—

模型类型RAG 引擎

中文能力优秀

使用方式网页体验 / API调用 / 本地部署

免费额度与收费政策

开源免费

免费规则详情

Apache-2.0 免费。

收费标准简介

完全免费（自托管）。

模型能力介绍

✅ 核心优势

深度文档理解
中文强
表格/图表
可视化

⚠️ 短板与局限

部署较复�
资源要求中
生态新

🎯 适用场景

企业知识库
文档问答
表格抽取
私有 RAG

模型使用教程

本章节整理 RAGFlow 的在线体验、API调用、本地部署全套入门教程，快速上手使用该模型。

本地工具，安装后即可使用。
支持对接主流模型与本地推理引擎。

启动服务后按提示操作即可。

export HF_ENDPOINT=https://hf-mirror.com

模型权重通过 HuggingFace 镜像或 ModelScope 下载。

提供 HTTP API：

curl http://localhost:PORT/v1/chat/completions -H "Content-Type: application/json" -d '{"model":"default","messages":[{"role":"user","content":"你好"}]}'

RAGFlow 是面向深度文档理解的 RAG 引擎，支持 PDF 版面解析与多轮问答，需 Docker Compose。

克隆并启动：

git clone https://github.com/infiniflow/ragflow && cd ragflow && docker compose up -d

打开 http://localhost:80（默认账号 ragflow/ragflow）。
配置模型（可填本地 OpenAI 兼容地址或 Ollama），上传文档创建知识库 → 对话问答。

Tips：建议 16GB+ 内存；中文与复杂版面文档解析显著优于一般 RAG。

💡 使用小技巧

中文文档 RAG 首选之一。

❓ 常见问题 FAQ

Q1：RAGFlow 特点？\nA1：深度文档解析。

访问备注与注意事项

Docker Compose 部署