概述

系统目的与能力

RAGFlow 将非结构化文档转换为智能可搜索的知识库，为会话式 AI 应用提供支持。该系统结合了高级文档解析、向量搜索、知识图谱和大型语言模型集成，以提供准确、有引证依据的回复。

主要功能包括：

多格式文档处理：PDF、DOCX、Excel、图片、网页和结构化数据
基于模板的分块：针对不同文档类型可配置的解析策略
混合搜索：向量相似度结合关键词匹配和重排
可视化工作流构建器：通过自定义组件拖放创建代理
多语言支持：支持 9 种以上语言的界面本地化
企业部署：基于 Docker 的容器化，支持可扩展基础设施

来源：README.md72-77 web/src/locales/en.ts1-50 docs/quickstart.mdx11-18

高层架构

该系统采用分层架构，清晰分离了表示层、API 层、处理层和数据层

来源：README.md135-139 docker/.env56-91 docker/README.md14-18

核心处理流程

文档处理工作流通过多个阶段将原始文件转换为可搜索的知识块

来源：web/src/locales/en.ts95-202 docs/quickstart.mdx26-36 docker/.env15-55

代理工作流系统

代理系统提供了一个可视化画布，用于使用相互连接的组件构建复杂的 AI 工作流

来源：web/src/locales/en.ts776-850 docs/release_notes.md33-40

技术栈与依赖

前端技术

React 18 搭配 UmiJS 框架，用于组件架构
Ant Design 组件库，用于 UI 一致性
TypeScript，用于类型安全的前端开发
i18next，用于跨 9 种语言的国际化支持

后端基础设施

Python 3.10+ 搭配 FastAPI/Flask，用于 REST API 服务
Docker Compose，用于容器化服务编排
Redis，用于任务队列和会话管理
MySQL 8.0，用于关系型元数据存储

文档处理

Elasticsearch 8.11.3 或 Infinity，用于向量和全文搜索
MinIO，用于对象存储和文件管理
DeepDoc，用于高级 PDF 布局分析
多个 LLM 提供商（OpenAI、Azure、本地模型）

部署配置

服务	容器	默认端口	目的
RAGFlow API	`ragflow-server`	9380	主应用程序服务器
Elasticsearch	`es01`	1200	文档索引
MySQL	`mysql`	5455	元数据存储
MinIO	`minio`	9000/9001	文件存储
Redis	`redis`	6379	任务队列

来源：docker/.env89-95 docker/README.md12-18 docs/quickstart.mdx26-32

多租户数据架构

RAGFlow 在所有数据层实现了租户隔离，以支持企业级多用户部署

来源：web/src/locales/en.ts42-75 docker/.env74-87

开发与部署模式

RAGFlow 支持多种部署配置

Docker Compose 部署

生产环境：使用 docker-compose.yml 的完整容器化堆栈
开发环境：仅使用 docker-compose-base.yml 的依赖项
GPU 加速：使用 docker-compose-gpu.yml 进行增强处理

Docker 镜像变体

镜像标签	大小	嵌入式模型	用例
`v0.19.0`	~9GB	✅ BAAI/bge-large-zh-v1.5, maidalun1020/bce-embedding-base_v1	自包含部署
`v0.19.0-slim`	~2GB	❌	外部模型服务
`nightly`	~9GB	✅	最新功能（不稳定）
`nightly-slim`	~2GB	❌	最新功能（不稳定）

源代码开发设置

对于本地开发，系统可以通过源代码运行，方式为

后端：使用 uv sync 的 Python 虚拟环境
前端：使用 npm run dev 的 Node.js
依赖项：用于数据持久化的 Docker 服务

来源：README.md194-206 docs/quickstart.mdx156-177 README.md305-374

概述