使用 Docker 部署 RAGFlow
- 确认 vm.max_map_count >= 262144
- 克隆仓库并切换到目标版本（如 v0.27.1）
- 在 docker 目录下使用 docker compose 启动服务
- 查看容器日志确认服务启动成功
- 在浏览器中访问服务器 IP 登录 RAGFlow
- 在 service_conf.yaml.template 中配置 LLM 厂商与 API_KEY
infiniflow/ragflow
开源检索增强生成引擎，融合 RAG 与 Agent 能力，为 LLM 提供上下文层
开源检索增强生成引擎，融合 RAG 与 Agent 能力，为 LLM 提供上下文层
产品定位
RAGFlow 定位为可自托管的开源 RAG 引擎，与纯闭源 SaaS 方案相比，用户可通过预构建 Docker 镜像自行部署并掌控数据，官方同时提供云服务入口。选型时需注意：官方 Docker 镜像仅面向 x86 平台构建，ARM64 用户需自行构建；自托管最低要求 CPU 4 核、RAM 16 GB、磁盘 50 GB；默认使用 Elasticsearch 存储全文与向量，可切换为 Infinity，但 Linux/arm64 上切换尚未获官方支持。仓库内含 Python SDK，便于业务集成。
适合用户
- 开发者
- 企业用户
- 开源社区贡献者
功能亮点
深度文档理解与知识抽取
基于 DeepDoc 从复杂格式的非结构化数据中提取知识。
模板化分块
智能、可解释的分块方式，提供多种模板选项。
有依据的引用
分块可视化、关键引用快速查看与可追溯引用，支持有依据的回答。
异构数据源兼容
支持 Word、Slides、Excel、TXT、图片、扫描件、结构化数据、网页等格式。
可配置 LLM 与嵌入模型
支持配置不同的 LLM 与嵌入模型，并提供直观 API 用于业务集成。
使用步骤
从源码启动服务用于开发
- 安装 uv 并克隆源码，使用 uv sync 安装 Python 依赖
- 通过 Docker Compose 启动依赖服务（MinIO、Elasticsearch、Redis、MySQL）
- 启动后端服务
- 安装前端依赖并运行 npm run dev
适用场景
企业级 RAG 知识库
企业用户
将复杂格式数据转化为高保真、可投产的 AI 系统，适配不同规模的企业。
构建 Agentic 工作流
开发者
借助预置 Agent 模板与上下文引擎构建 Agentic 工作流。
访问与价格
可用状态: 当前可用
价格信息: 开源
支持平台: API, 自托管, Web
价格说明: RAGFlow 为 Apache-2.0 许可的开源项目，可免费自托管；官方同时提供云服务（cloud.ragflow.io），但本次证据未包含云服务的具体价格信息。
官方入口
常见问题
自托管 RAGFlow 需要什么配置？
CPU >= 4 核、RAM >= 16 GB、磁盘 >= 50 GB、Docker >= 24.0.0、Docker Compose >= v2.26.1、Python >= 3.13；如需代码执行器（沙箱）功能还需安装 gVisor。
ARM64 平台可以使用官方 Docker 镜像吗？
不可以。官方 Docker 镜像仅面向 x86 平台构建，ARM64 用户需按官方指南自行构建镜像。
RAGFlow 默认使用什么文档引擎？
默认使用 Elasticsearch 存储全文与向量，可通过配置切换为 Infinity，但 Linux/arm64 上切换到 Infinity 尚未获官方支持。
来源核验
资料核验于 2026-09-01