RAGFlow 是什么？专注 RAG 的开源知识库引擎
做 Agent 的人迟早会遇到一个问题：模型回答不够准，总在”编”。
这时候你需要的不是换一个更强的模型，而是给它一份靠谱的知识库。RAGFlow 就是干这个的——一个专注 RAG（检索增强生成）的开源引擎，把文档吃进去、切明白、检索准，再喂给模型。
一、RAGFlow 是什么？
RAGFlow 是 InfiniFlow 团队开源的端到端 RAG 引擎，2024 年 4 月在 GitHub 上开源，首日就拿到上千 Star，到现在已经是最活跃的开源 RAG 项目之一。
它干的事情可以用一句话概括：把你的文档变成模型能精准检索的知识库，而不只是往向量数据库里一扔。
和很多”上传文档→分块→向量化→完事”的方案不同，RAGFlow 在文档解析这一步下了很大功夫。PDF 里的表格、Word 里的标题层级、甚至扫描件的 OCR，它都会做深度处理，尽量保留文档的结构信息，而不是粗暴地按固定字数切片。
延伸阅读：《2026 年主流 AI Agent 大全》
核心特点
- 深度文档解析：不只是切文本，还理解表格、图片、标题层级，尽量保留语义结构
- RAG + Agent 双能力：不只是检索，还内置了 Agent 编排，可以做知识库驱动的对话和流程
- 可视化编排：有 Web 界面，拖拽式配置知识库和对话流程
- 多模型支持：可以接 Ollama 跑本地模型，也可以接 OpenAI / Claude / 通义千问等 API
- Docker 一键部署：官方提供 docker-compose 配置，拉起来就能用
二、它适合谁？
适合
- 需要精准文档问答的团队：比如客服知识库、内部文档检索、法律/医疗文献查询，RAGFlow 的深度解析比简单向量搜索靠谱
- 已有大量文档但检索效果差的人：试过直接往向量库里扔文档，发现回答总是”跑偏”，RAGFlow 的结构化解析可能帮你解决问题
- 想搭私有知识库又不想从零写代码：RAGFlow 的 Web 界面和预置模板让你不用写代码就能跑起来
- 需要 RAG 但不想被 Dify/FastGPT 的通用工作流绑死：RAGFlow 专精 RAG，功能更聚焦
不太适合
- 想做通用 Agent 自动化的人：RAGFlow 的强项在知识检索，不是”帮我发邮件、管服务器”那种通用 Agent。这种需求看 Hermes Agent 或 n8n 更合适
- 只想简单聊天的用户：如果你只是想和模型对话，不需要知识库，Open WebUI 或 LobeChat 更轻量
- 硬件资源非常紧张的环境：RAGFlow 的 Docker 部署需要 Elasticsearch + 多个服务，至少 8GB 内存才跑得舒服。我的 RK3399（4GB）肯定扛不住，N100（8GB）勉强能跑
我还没亲自在 N100 上部署过 RAGFlow，以上内存判断基于官方文档和社区反馈。等我实测了再更新。
三、最简部署思路
RAGFlow 官方推荐 Docker 部署，步骤不复杂：
# 克隆仓库
git clone https://github.com/infiniflow/ragflow.git
cd ragflow
# 调整 .env 里的镜像版本（当前最新 v0.25.4）
# 如果是 ARM64，需要先构建 ARM 镜像
# 启动
docker compose up -d
启动后访问 http://你的IP 就能看到 Web 界面。
部署前注意几点：
- 内存：Elasticsearch 很吃内存，建议至少 8GB 物理内存。4GB 的小板子别硬上
- vm.max_map_count：Elasticsearch 要求这个内核参数至少 262144，需要提前设置：
sudo sysctl -w vm.max_map_count=262144 - ARM64：官方默认镜像是 x86 的，ARM64 需要自己构建，社区有教程但多一步操作
- 模型配置：启动后需要配置 LLM 后端，可以接 Ollama（本地）或 OpenAI 兼容 API（在线）
延伸阅读：《低配设备还能不能玩 AI Agent？》
四、RAGFlow 和其他工具怎么分工？
很多人会问：我已经有 Dify / FastGPT 了，还需要 RAGFlow 吗？我的理解是这样的：
| 场景 | 推荐工具 | 原因 |
|---|---|---|
| 通用工作流 + 简单知识库 | Dify | 工作流编排强，RAG 够用 |
| 快速搭一个知识问答机器人 | FastGPT | 上手快，中文生态好 |
| 文档解析精度要求高 | RAGFlow | 深度解析是它的核心优势 |
| 纯聊天界面 | Open WebUI / LobeChat | 轻量，不绑知识库 |
| 通用 Agent + 工具调用 | Hermes Agent | 工具丰富，长期运行 |
简单说：Dify 和 FastGPT 是”什么都能干”的通用平台，RAGFlow 是”RAG 这一件事干到极致”的专精工具。 如果你的核心痛点就是”文档检索不准”，RAGFlow 值得优先试。
我自己目前的用法是：Hermes Agent 做日常自动化，Dify 做简单工作流，如果以后知识库检索精度不够，会考虑加一层 RAGFlow。
五、个人建议
- 先想清楚你要解决什么问题。如果你的问题不是”检索不准”，RAGFlow 可能不是最优解。别因为”它很火”就上
- 硬件门槛不低。8GB 内存起步，Elasticsearch 是硬需求。我手头的 RK3399（4GB）跑不了，N100（8GB）可以试试但要做好资源规划
- ARM64 部署多一步。如果你用 ARM 开发板（比如我），需要自己构建镜像，不是开箱即用
- 和 Dify/FastGPT 不是替代关系。它们可以互补：RAGFlow 做精准检索层，Dify 做工作流编排层
- 开源免费。RAGFlow 本身是 Apache 2.0 协议，自己部署不花钱，但需要服务器资源
下期预告
下一期聊：LobeChat 是什么？——一个颜值很高的开源 AI 聊天界面，支持多模型、插件和本地部署，适合想搭私有 ChatGPT 界面的人。
- LobeChat 和 Open WebUI 有什么区别？
- 在 ARM64 上部署 LobeChat 靠谱吗？
- 它适合当 Agent 的前端吗？
觉得有用？
- 收藏一下方便下次看
- 留言告诉我你在用什么知识库方案
- 关注本号，后续持续更新
本文由 A7z-爱马仕 撰写，基于公开资料和社区反馈整理。RAGFlow 部分功能我还没亲自测试，文中已标注。
未经授权禁止转载，但欢迎分享链接。
