RAGFlow框架使用指南
RAGFlow框架：构建智能知识问答系统的完整解决方案
什么是RAGFlow？
RAGFlow是一个开源的RAG（Retrieval-Augmented Generation，检索增强生成）引擎，专注于基于深度文档理解构建高质量的问答系统。它提供了从文档解析到智能对话的完整工作流，是企业构建知识库问答系统的理想选择。
核心特性
1. 智能文档解析
- 多格式支持：PDF、Word、PowerPoint、Excel、图片等
- 版面分析：自动识别文档结构和版面布局
- 表格识别：准确提取表格数据
- OCR集成：图片中文字的识别和提取
2. 先进的文本分割
- 语义分割：基于文档语义的智能分块
- 结构化处理：保持文档的逻辑结构
- 多策略组合：支持多种分割策略的灵活配置
3. 高效检索系统
- 混合检索：结合向量检索和关键词检索
- 重排序优化：使用深度学习模型优化检索结果
- 多模态支持：支持文本、图像等多种模态的检索
4. 企业级特性
- 可视化界面：友好的Web管理界面
- API接口：完整的RESTful API
- 权限管理：细粒度的用户权限控制
- 多租户支持：支持多个独立的知识库
系统架构
RAGFlow采用模块化架构设计，主要包含以下核心组件：
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ 前端界面 │ │ API网关 │ │ 管理后台 │
│ Web UI │ │ API Gateway │ │ Admin Panel │
└─────────────────┘ └─────────────────┘ └─────────────────┘
│ │ │
└───────────────────────┼───────────────────────┘
│
▼
┌─────────────────────────────────────────────────────┐
│ RAGFlow 核心引擎 │
│ ┌─────────────┬─────────────┬─────────────────────┐ │
│ │ 文档解析器 │ 文本分割器 │ 向量化模块 │ │
│ │ Parser │ Splitter │ Embedding │ │
│ └─────────────┴─────────────┴─────────────────────┘ │
│ ┌─────────────┬─────────────┬─────────────────────┐ │
│ │ 检索引擎 │ 对话管理 │ 知识库管理 │ │
│ │ Retriever │ Chat Mgr │ KB Manager │ │
│ └─────────────┴─────────────┴─────────────────────┘ │
└─────────────────────────────────────────────────────┘
│
┌───────────────────────┼───────────────────────┐
│ │ │
▼ ▼ ▼
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ 向量数据库 │ │ 关系数据库 │ │ 大语言模型 │
│ Vector Store │ │ SQL Database │ │ LLM Service │
└─────────────────┘ └─────────────────┘ └─────────────────┘快速开始
1. 环境准备
# 系统要求
- Python 3.8+
- Docker 20.10+
- 内存：8GB以上
- 磁盘空间：20GB以上2. Docker部署（推荐）
# 克隆项目
git clone https://github.com/infiniflow/ragflow.git
cd ragflow
# 编辑配置文件
cp docker/.env.example docker/.env
# 根据需要修改配置
# 启动所有服务
docker-compose -f docker/docker-compose.yml up -d
# 查看服务状态
docker-compose -f docker/docker-compose.yml ps3. 配置说明
# docker/.env文件配置示例
# 基础配置
RAGFLOW_VERSION=latest
HTTP_PORT=80
HTTPS_PORT=443
# 数据库配置
MYSQL_PASSWORD=infiniflow123
REDIS_PASSWORD=infiniflow123
# 模型配置
DEFAULT_LLM_FACTORY=OpenAI
OPENAI_API_KEY=your_openai_api_key
OPENAI_BASE_URL=https://api.openai.com/v1
# Embedding模型配置
DEFAULT_EMBEDDING_MODEL=BAAI/bge-large-zh-v1.5
HF_ENDPOINT=https://huggingface.co4. 访问系统
# 服务启动后访问
http://localhost:80
# 默认账号（首次登录后请修改密码）
用户名: admin@infiniflow.org
密码: admin123详细使用指南
1. 创建知识库
# 通过Web界面创建知识库
1. 登录RAGFlow管理界面
2. 点击"创建知识库"
3. 填写知识库信息：
- 名称：技术文档库
- 描述：公司技术文档知识库
- 语言：中文
- Embedding模型：bge-large-zh-v1.5
4. 配置检索参数：
- 检索方式：混合检索
- 相似度阈值：0.2
- 最大检索数量：62. 上传和处理文档
# 使用API上传文档
import requests
import json
def upload_document(file_path, knowledge_base_id, api_key):
"""上传文档到指定知识库"""
url = "http://localhost/api/v1/documents"
headers = {
"Authorization": f"Bearer {api_key}"
}
files = {
"file": open(file_path, "rb")
}
data = {
"knowledge_base_id": knowledge_base_id,
"parser_method": "auto", # 自动选择解析方法
"chunk_method": "naive" # 文本分割方法
}
response = requests.post(url, headers=headers, files=files, data=data)
return response.json()
# 使用示例
result = upload_document("./documents/manual.pdf", "kb_001", "your_api_key")
print(f"文档上传结果: {result}")3. 文档解析配置
# 配置文档解析参数
def configure_document_parser(document_id, parser_config):
"""配置文档解析器"""
url = f"http://localhost/api/v1/documents/{document_id}/parser"
config = {
"parser_method": "manual", # 手动配置
"chunk_method": "knowledge_graph", # 知识图谱分割
"parser_config": {
"pages": [[1, 10]], # 指定解析页面范围
"layout_recognize": True, # 开启版面识别
"table_recognize": True, # 开启表格识别
"formula_recognize": True # 开启公式识别
},
"chunk_config": {
"chunk_size": 1024, # 分块大小
"chunk_overlap": 128, # 分块重叠
"auto_keywords": True, # 自动提取关键词
"auto_questions": True # 自动生成问题
}
}
headers = {"Authorization": f"Bearer {api_key}"}
response = requests.put(url, headers=headers, json=config)
return response.json()4. 智能问答
# 实现智能问答功能
def chat_with_knowledge_base(question, knowledge_base_id, api_key):
"""与知识库进行对话"""
url = "http://localhost/api/v1/chat"
headers = {
"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"
}
data = {
"knowledge_base_id": knowledge_base_id,
"question": question,
"stream": False, # 是否流式响应
"quote": True, # 是否引用原文
"doc_ids": [] # 限制搜索的文档ID
}
response = requests.post(url, headers=headers, json=data)
return response.json()
# 使用示例
answer = chat_with_knowledge_base(
"如何配置RAGFlow的文档解析参数？",
"kb_001",
"your_api_key"
)
print(f"问题: {answer['question']}")
print(f"回答: {answer['answer']}")
print(f"引用: {answer['reference']}")5. 高级检索功能
# 实现混合检索
def hybrid_search(query, knowledge_base_id, api_key):
"""混合检索：结合向量检索和关键词检索"""
url = "http://localhost/api/v1/retrieval"
headers = {
"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"
}
data = {
"knowledge_base_id": knowledge_base_id,
"question": query,
"vector_similarity_weight": 0.7, # 向量检索权重
"keyword_similarity_weight": 0.3, # 关键词检索权重
"top_k": 10, # 返回top k结果
"similarity_threshold": 0.1, # 相似度阈值
"keyword_similarity_threshold": 0.0
}
response = requests.post(url, headers=headers, json=data)
return response.json()
# 使用示例
results = hybrid_search("机器学习算法", "kb_001", "your_api_key")
for i, result in enumerate(results['chunks']):
print(f"结果 {i+1}:")
print(f" 相似度: {result['similarity']}")
print(f" 内容: {result['content'][:100]}...")
print(f" 来源: {result['document_name']}")总结
RAGFlow作为一个功能强大的开源RAG框架，为企业构建智能问答系统提供了完整的解决方案。通过本文的详细介绍，您可以：
- 快速部署：使用Docker快速搭建RAGFlow环境
- 灵活配置：根据业务需求调整各种参数
- 高效使用：掌握文档处理、检索、问答等核心功能
- 企业级部署：实现高可用、可扩展的生产环境
- 性能优化：通过各种优化技术提升系统性能
RAGFlow的优势在于其完整性和易用性，既适合快速原型开发，也能满足企业级应用的需求。通过合理的配置和优化，可以构建出高质量、高性能的知识问答系统，为用户提供准确、及时的信息服务。