RAGFlow

RAGFlow是由InfiniFlow團隊開發並於2024年4月開源的企業級檢索增強生成（RAG）引擎。它專注於通過深度文檔理解技術，從Word、PDF、Excel等複雜格式的非結構化文檔中精準提取信息，以構建高質量知識庫。其核心通過基於模板的智慧型文本分塊、混合檢索（向量與全文結合）以及內置的Agent工作流編排能力，旨在為大模型提供精準、可溯源的上下文，從而降低回答的幻覺風險。作為一個可私有化部署的開源平台，RAGFlow服務於開發者與企業用戶，在金融、製造等多個領域均有套用，並因其快速增長在2025年入選GitHub全球增長最快開源項目榜單。

基本介紹

• 外文名：RAGFlow

研發背景

RAGFlow是由專注於AI基礎設施的團隊InfiniFlow開發並維護的一款端到端開源RAG（檢索增強生成）引擎，於2024年4月1日正式開源。其核心目標是解決大語言模型（LLM）和RAG技術在企業級套用中的落地問題，旨在通過提供一套可私有化部署的解決方案，降低企業套用RAG技術的門檻。項目在開源一周內在GitHub上獲得超過3k星標（star）。

RAGFlow的研發源於企業處理多模態、複雜格式非結構化文檔的實際需求。在RAGFlow開源前，市場上一體化RAG解決方案的部署情況存在多種選擇。其研發旨在通過提供一套端到端的RAG解決方案，幫助企業處理複雜文檔。

開發團隊認為，RAG技術因其能夠準確匹配用戶問題與答案的特點，已成為企業級LLM套用的標準架構。為應對企業從海量異構文檔中提取信息、構建知識服務的需求，團隊決定從整個RAG鏈路出發進行設計，而非簡單集成現有組件，從而開發了RAGFlow。RAGFlow的核心價值在於通過工作流引擎實現檢索、重排、生成的全鏈路最佳化，支持多源異構數據的高效整合。

團隊採取了開源策略作為核心發展路徑，旨在擴大技術影響力、吸引開發者參與，並堅持提供標準化產品與服務。通過開源觸達開發者與IT團隊，進而服務於其背後的企業用戶。該項目在GitHub上的星標數快速增長，並在2025年先後獲得‘開源創新菁英獎’與‘開源先鋒獎’。

發展歷程

2024年4月1日，RAGFlow正式開源，項目在一周內於GitHub上獲得超過3000個star。

2024年12月，發布v0.15.0版本，推出Agent單步調試、導入導出功能，引入分級知識庫，並集成AI原生資料庫Infinity。

2025年，RAGFlow共發布8個大版本，社區貢獻者有所增長，其GitHub Star數從年初的26K增長至年底的70.7K。

2025年12月29日，發布v0.23.0版本，該版本核心推出Memory模組，擴展了Agent對Webhook、語音接口的支持，並升級了RAG在Auto-metadata、父子切片、圖片表格上下文視窗等方面的能力。

核心技術

RAGFlow的核心技術圍繞深度文檔理解（DeepDoc）構建，採用管線化、高內聚低耦合的架構設計，集成了混合檢索、智慧型體（Agent）編排、以及專為RAG場景最佳化的AI原生資料庫Infinity等組件。

深度文檔理解（DeepDoc）

其核心組件DeepDoc利用視覺信息和解析技術，對複雜格式的非結構化數據進行解析，提取文本、表格和圖像等信息。DeepDoc的功能模組包括OCR、版面識別、表格結構識別（TSR）等，能夠識別文檔的標題、段落、表格、圖像等元素。它支持包括Word文檔、PPT、Excel表格、TXT檔案、圖片、PDF、影印件、結構化數據、網頁等在內的多種異構數據源。

智慧型分塊與索引

在文檔解析後，RAGFlow提供基於模板的文本切片（Chunking）功能，該過程基於規則、可控且過程透明，支持多種文本模板選擇。文本切片過程可視化，並支持手動調整。索引層通過嵌入模型與向量資料庫結合，構建知識索引。

混合檢索策略

RAGFlow採用混合檢索（多路召回）策略，融合向量檢索、全文搜尋、張量檢索、稀疏向量檢索等多種方式。檢索到的結果會經過融合重排序（Rerank）處理，以篩選出相關的內容片段。

AI原生資料庫Infinity

RAGFlow內置了由InfiniFlow為RAG場景研發的開源AI原生資料庫Infinity，具備多路召回能力。

智慧型體（Agent）與工作流編排

RAGFlow具備智慧型體（Agent）能力，支持無代碼工作流編輯和動態Agent編排。其Agent畫布允許開發者通過圖形化界面構建智慧型體與工作流。系統內置了預構建的Agent模板，並支持為Agent添加Python/JavaScript代碼執行器等組件。

與大模型的深度融合

RAGFlow設計上可與各類大語言模型（LLM）對接，支持配置包括GPT系列、Qwen、DeepSeek等在內的多種主流大模型。

總體而言，RAGFlow的技術架構呈現出管線式布局，包含數據攝取、索引、檢索、生成等層次，具備高內聚、低耦合的特點。該架構旨在為AI套用提供經過處理的上下文信息。

運營模式

RAGFlow採用開源策略，旨在擴大技術影響力並吸引開發者參與。其商業化路徑包括面向個人和中小型場景的開源版，以及計畫提供面向全球的SaaS服務，同時在國內堅持標準化理念，面向開發商和最終用戶，企業版則提供更進一步的服務和技術保障。用戶分布中海外與國內比例約為4:6，海外用戶包括大量SaaS用戶和開發者，國內用戶來自甲方和乙方，行業覆蓋IT、金融、製造、醫療、教育等。RAGFlow在騰訊雲市場等平台提供雲套用自動化部署服務。

核心團隊

RAGFlow由InfiniFlow團隊開發，其開發主體為英飛流（上海）信息科技有限公司，該公司成立於2023年6月5日，法定代表人為張穎峰。其創始人兼CEO為張穎峰，張穎峰為資深技術創業者，擁有10年以上人工智慧核心算法研發經驗。該團隊在搜尋引擎、向量資料庫、資料庫核心及人工智慧領域擁有十多年的研發經驗，InfiniFlow是一家專注於開發下一代AI原生資料庫系統的初創公司，致力於將傳統資料庫技術、搜尋引擎技術與新一代人工智慧相融合。團隊曾主導開發知名開源向量資料庫Milvus和人臉識別算法InsightFace。團隊規模較小，約十幾人同時負責RAGFlow及另一款專為RAG場景設計的AI原生資料庫Infinity的研發。

重要事件

RAGFlow於2024年4月1日正式開源，開源約3個月後，其GitHub Star數量突破1萬。

2025年3月19日，RAGFlow支持使用多模態模型解析PDF或DOCX檔案中的圖像。2025年5月5日，支持跨語言查詢。2025年5月23日，Agent新增Python/JavaScript代碼執行器組件。

2025年8月1日，RAGFlow支持Agentic工作流和模型上下文協定（MCP）。2025年8月8日，支持OpenAI的GPT-5系列模型。2025年10月15日，支持可編排的攝取管道。2025年10月23日，支持MinerU和Docling作為文檔解析方法。

2025年11月12日，RAGFlow支持從Confluence、S3、Notion、Discord、Google Drive同步數據。2025年11月19日，支持Gemini 3 Pro模型。2025年12月26日，為AI代理支持“記憶”功能。

2025年，RAGFlow全年發布8個大版本，社區貢獻者增長率達2596%，併入選GitHub Octoverse“全球增長最快開源項目”榜單。同年，RAGFlow先後獲得上海開源信息技術協會頒發的“開源創新菁英獎”與開放原子基金會頒發的“開源先鋒獎”。