RAGFlow 是一个基于深度文档理解的开源 RAG(Retrieval-Augmented Generation)引擎。它为任何规模的企业提供简化的 RAG 工作流程,结合 LLM(大型语言模型)以提供真实的问答功能,并由来自各种复杂格式数据的有根据的引用提供支持。
主要特点
1、"品质进,品质出"
基于深度文档理解,从具有复杂格式的非结构化数据中提取知识。
找到"数据大海捞针",字面上是无限的令牌。
2、 基于模板的分块
智能且可解释。
大量模板选项可供选择。
3、 接地引文,减少幻觉
文本分块的可视化,允许人为干预。
快速查看关键参考文献和可追溯的引文,以支持有根据的答案。
4、 与异构数据源的兼容性
支持 Word、幻灯片、excel、txt、图像、扫描副本、结构化数据、网页等。
5、 自动化且轻松的 RAG 工作流程
简化的 RAG 编排可满足个人和大型企业的需求。
可配置的 LLM 以及嵌入模型。
多次召回与融合重新排名配对。
直观的 API,可与业务无缝集成。
下面我们就开始介绍部署
一、软件硬件要求
CPU >= 4 核
RAM >= 16 GB
磁盘 >= 50 GB
Docker >= 24.0.0 和 Docker Compose >= v2.26.1
Docker安装
sudo apt-get install docker.io
docker-compose的安装
curl -L "https://github.com/docker/compose/releases/download/v2.29.1/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
设置系统参数
systemctl enable docker
systemctl start docker
二、以docker方式安装RagFlow
1、系统参数设置
# In this case, we set it to 262144:
$ sudo sysctl -w vm.max_map_count=262144
2、克隆代码
$ git clone https://github.com/infiniflow/ragflow.git
3、构建预构建的 Docker 镜像并启动服务器:
$ cd ragflow/docker
$ chmod +x ./entrypoint.sh
$ docker compose up -d
如果你非常幸运,但么执行完上面就安装完了,但因为众所周知的不知道什么原因,如果无法下载docker镜像文件,小伙伴可以从我们百度网盘下载:
链接:https://pan.baidu.com/s/1afq0C2fTyoctU2df2Uhs8g?pwd=jw5f
提取码:jw5f
下载后,执行下面的导入镜像文件
#下载五个docker文件,并安装
docker load -i [文件名]
然后再执行:
$ cd ragflow/docker
$ chmod +x ./entrypoint.sh
$ docker compose up -d
三:运行及设置
运行直接打开浏览器,输入IP地下即可。
首次登录,需要注册一个帐号。
四:设置LLM
这里就具体说了,我是选了本地的ollama,
使用本地ollama,这里的API-Key可以不填。
五:结束语
我们先后介绍了FastGPT、Flowise和今天我们介绍的RagFlow。大家可以对比测试一下,看看哪个功能更多,更好用。