RAGFlow

RAGFlow 是一款基于深度文档理解的开源检索增强生成（RAG）引擎，其官网为（https://ragflow.io/）。它专注于处理复杂格式的非结构化数据，为各种规模的企业及个人提供一套精简的 RAG 工作流程。
核心功能
深度文档理解：可解析 Word、PDF、Excel、PPT、扫描件、网页等 30 多种格式，精准提取文本、表格、图像及布局信息，表格识别准确率超 90%。还提供法律、简历、表格等场景化分块模板，结合语义密度动态优化信息完整性，避免关键信息割裂。
可验证的问答生成：生成的答案自动标注来源，如文档段落、表格快照等，显著降低大模型 “幻觉” 风险，法律场景关键条款定位准确率达 98.6%。同时，融合关键词匹配、向量相似度和图谱关联的混合检索机制，召回率较单向量检索提升 35%。
自动化工作流引擎：支持文档上传、解析、分块、嵌入、检索、生成全流程自动化，集成 GPT、Llama、DeepSeek 等主流大模型。还提供可视化界面，通过拖拽即可构建复杂任务流，如客户服务、HR 筛选等，医疗场景报告生成效率可提升 40 倍。
技术架构
输入层：采用 Nginx 负载均衡，支持文件上传与 API 请求分发。
服务层：基于 Redis 消息队列调度文档解析、嵌入生成等任务，通过 trio 库实现并发控制，默认线程数为 50。
知识库层：存储分离，MySQL 管理元数据，MinIO 存储原始文件，Elasticsearch/Infinity 存储向量索引，新文档解析后可实时合并索引，无需全量重建。
生成层：支持多轮对话与复杂推理，如查询重写、结果验证、SQL 转换等。
系统特点
模板化分块：提供多种模板选择，支持智能化、可解释的数据分块方式，使系统更适应不同数据类型的需求，提高处理效率。
兼容多种异构数据源：支持多种数据格式，以便无缝处理多样化的数据需求。
自动化与简便的 RAG 工作流：提供简化、自动化的工作流程，适用于个人和企业使用。支持配置多种大型语言模型和嵌入模型，结合多重检索与重排序技术，并配备直观的 API，便于快速集成至各类业务。
应用场景
企业知识库：员工查询 HR 政策等问题时，可快速返回精准答案，并引用制度 PDF 具体章节。
智能客服：整合 FAQ 与工单历史，能千级 QPS 响应，支持多语言，如 HotelPlanner 可处理 4 万次查询。
科研辅助：可解析 PDF 论文库，准确回答 “X 方法提出者是谁” 等问题，并标注文献页码。
投资分析：自动提取财报关键指标，生成动态市场报告，错误率降低 70%。