Repolode
Enviar
infiniflow

infiniflow/ragflow

Motor RAG de código abierto que combina generación aumentada por recuperación y capacidades de agente para proporcionar una capa de contexto a aplicaciones con LLM.

Ver en GitHubSitio web
Estrellas
92,517
Forks
11,047
Issues abiertos
1,346
Último commit
hace 3 horas

¿Qué es?

RAGFlow es un motor de generación aumentada por recuperación de código abierto. Ingiera documentos en muchos formatos, los analiza y divide en fragmentos mediante plantillas configurables, e indexa los resultados para que las aplicaciones con LLM respondan preguntas basándose en ese material y con citas trazables.

Además de las funciones básicas de RAG, incorpora recuperación agéntica, en la que el modelo descompone preguntas complejas, realiza varias rondas de recuperación y comprueba las pruebas, además de un paso de Knowledge Compilation que convierte documentos y conjuntos de datos en wikis, grafos, árboles, mapas mentales y otros artefactos estructurados. Los fragmentos se pueden revisar y editar manualmente antes de utilizarlos.

RAGFlow ofrece una interfaz web, un conjunto de APIs para integraciones y despliegue basado en Docker, con compatibilidad con modelos configurables de LLM, embeddings y reranking. También se puede ejecutar desde el código fuente para desarrollo.

Funciones clave

  • 01Análisis detallado de documentos de Word, PowerPoint, Excel, PDF, archivos escaneados, imágenes y páginas web.
  • 02División en fragmentos basada en plantillas, con vista previa visual y posibilidad de intervención manual.
  • 03Recuperación agéntica con modos de razonamiento Low, Medium, High y Ultra.
  • 04Knowledge Compilation en wikis, grafos, árboles, mapas mentales y líneas de tiempo.
  • 05Citas trazables para respaldar respuestas fundamentadas.
  • 06Modelos configurables de LLM, embeddings y reranking, con recuperación múltiple y reranking combinado.

Casos de uso

  • Crear un asistente interno de preguntas y respuestas basado en documentos y manuales de la empresa.
  • Crear una base de conocimiento a partir de archivos escaneados o en distintos formatos, con citas de respaldo.
  • Conectar fuentes de datos empresariales, como almacenamiento en la nube o BigQuery, para mantenerlas sincronizadas.
  • Integrar respuestas basadas en recuperación en aplicaciones existentes mediante sus APIs.

Inicio rápido

  1. 1

    Clona el repositorio

    git clone https://github.com/infiniflow/ragflow.git
  2. 2

    Ve al directorio de implementación de Docker

    cd ragflow/docker
  3. 3

    Inicia los servicios de RAGFlow con Docker Compose

    docker compose -f docker-compose.yml up -d
  4. 4

    Comprueba que el servidor esté listo mediante el endpoint de health y, después, abre la Web UI en el navegador

    curl -f http://localhost/api/v1/system/healthz

Antes de usarlo

  • El README recomienda al menos 4 núcleos de CPU, 16 GB de RAM y 50 GB de espacio en disco.
  • Según el README, macOS no es compatible actualmente con la implementación de Docker.
  • La versión más reciente es una versión candidata (1.0.0-rc1), por lo que todavía puede cambiar.
  • Después del inicio, debes añadir tus propios modelos de LLM, embeddings y reranking con claves de API.

Temas

#rag#retrieval-augmented-generation#llm#agents#document-parsing#knowledge-base#vector-search#docker#agent-harness#agentic-ai

Preguntas frecuentes

¿Qué es ragflow?
Motor RAG de código abierto que combina generación aumentada por recuperación y capacidades de agente para proporcionar una capa de contexto a aplicaciones con LLM. RAGFlow es un motor de generación aumentada por recuperación de código abierto. Ingiera documentos en muchos formatos, los analiza y divide en fragmentos mediante plantillas configurables, e indexa los resultados para que las aplicaciones con LLM respondan preguntas basándose en ese material y con citas trazables.
¿ragflow es gratuito? ¿Qué licencia tiene?
ragflow es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿ragflow sigue mantenido?
Mantenimiento activo. El último commit de ragflow fue el 20 oct 2026.
¿Para qué puedo usar ragflow?
Crear un asistente interno de preguntas y respuestas basado en documentos y manuales de la empresa. Crear una base de conocimiento a partir de archivos escaneados o en distintos formatos, con citas de respaldo. Conectar fuentes de datos empresariales, como almacenamiento en la nube o BigQuery, para mantenerlas sincronizadas. Integrar respuestas basadas en recuperación en aplicaciones existentes mediante sus APIs.
¿Cómo se instala ragflow?
Clona el repositorio: git clone https://github.com/infiniflow/ragflow.git Ve al directorio de implementación de Docker: cd ragflow/docker Inicia los servicios de RAGFlow con Docker Compose: docker compose -f docker-compose.yml up -d Comprueba que el servidor esté listo mediante el endpoint de health y, después, abre la Web UI en el navegador: curl -f http://localhost/api/v1/system/healthz
¿Dónde consigo ragflow?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/infiniflow/ragflow

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados