ragflow은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?

ragflow은(는) Apache-2.0 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.

ragflow은(는) 아직 유지보수되고 있나요?

활발히 유지보수 중. ragflow의 마지막 커밋은 2026년 10월 20일입니다.

ragflow은(는) 어디에 사용할 수 있나요?

회사 문서와 매뉴얼을 기반으로 내부 질의응답 어시스턴트를 구축합니다. 인용을 지원하는 스캔 파일 또는 여러 형식이 혼합된 파일 기반 지식 베이스를 만듭니다. 지속적인 동기화를 위해 클라우드 스토리지나 BigQuery 같은 엔터프라이즈 데이터 소스를 연결합니다. API를 통해 검색 기반 답변을 기존 애플리케이션에 통합합니다.

ragflow는 어떻게 설치하나요?

리포지토리를 클론합니다: git clone https://github.com/infiniflow/ragflow.git Docker 배포 디렉터리로 이동합니다: cd ragflow/docker Docker Compose로 RAGFlow 서비스를 시작합니다: docker compose -f docker-compose.yml up -d 헬스 엔드포인트로 서버가 준비되었는지 확인한 다음 브라우저에서 Web UI를 엽니다: curl -f http://localhost/api/v1/system/healthz

ragflow은(는) 어디서 받을 수 있나요?

소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/infiniflow/ragflow

infiniflow/ragflow

LLM 애플리케이션에 컨텍스트 계층을 제공하는 오픈소스 RAG 엔진으로, 검색 증강 생성과 에이전트 기능을 결합합니다.

GitHub에서 보기 웹사이트

스타: 92,517
포크: 11,047
열린 이슈: 1,346
마지막 커밋: 7시간 전

어떤 프로젝트인가요?

RAGFlow는 오픈소스 검색 증강 생성 엔진입니다. 다양한 형식의 문서를 가져와 설정 가능한 템플릿으로 파싱하고 청크로 나눈 뒤, 결과를 인덱싱합니다. 이를 바탕으로 LLM 애플리케이션은 근거 자료에 기반하고 출처를 추적할 수 있는 답변을 제공합니다.

기본 RAG를 넘어, 모델이 복잡한 질문을 세분화하고 여러 차례 검색을 수행하며 근거를 확인하는 에이전트 기반 검색 기능을 제공합니다. 또한 지식 컴파일 단계를 통해 문서와 데이터셋을 위키, 그래프, 트리, 마인드맵 및 기타 구조화된 결과물로 변환합니다. 청크는 사용하기 전에 직접 검토하고 수정할 수 있습니다.

RAGFlow는 웹 UI, 연동용 API, Docker 기반 배포를 제공하며, 설정 가능한 LLM, 임베딩 및 리랭커 모델을 지원합니다. 개발을 위해 소스 코드에서 직접 실행할 수도 있습니다.

핵심 기능

01Word, PowerPoint, Excel, PDF, 스캔 파일, 이미지 및 웹 페이지를 심층적으로 파싱합니다.
02시각적 미리보기와 수동 개입을 지원하는 템플릿 기반 청킹 기능을 제공합니다.
03Low, Medium, High, Ultra 사고 모드를 지원하는 에이전트 기반 검색 기능을 제공합니다.
04지식 컴파일을 통해 위키, 그래프, 트리, 마인드맵 및 타임라인을 생성합니다.
05근거에 기반한 답변을 뒷받침하는 추적 가능한 인용을 제공합니다.
06다중 검색 및 결합 리랭킹을 지원하며 LLM, 임베딩 및 리랭커 모델을 설정할 수 있습니다.

활용 사례

회사 문서와 매뉴얼을 기반으로 내부 질의응답 어시스턴트를 구축합니다.
인용을 지원하는 스캔 파일 또는 여러 형식이 혼합된 파일 기반 지식 베이스를 만듭니다.
지속적인 동기화를 위해 클라우드 스토리지나 BigQuery 같은 엔터프라이즈 데이터 소스를 연결합니다.
API를 통해 검색 기반 답변을 기존 애플리케이션에 통합합니다.

빠른 시작

1
리포지토리를 클론합니다
git clone https://github.com/infiniflow/ragflow.git
2
Docker 배포 디렉터리로 이동합니다
cd ragflow/docker
3
Docker Compose로 RAGFlow 서비스를 시작합니다
docker compose -f docker-compose.yml up -d
4
헬스 엔드포인트로 서버가 준비되었는지 확인한 다음 브라우저에서 Web UI를 엽니다
curl -f http://localhost/api/v1/system/healthz

사용 전 알아둘 점

README에서는 CPU 코어 4개 이상, RAM 16 GB, 디스크 공간 50 GB 이상을 권장합니다.
README에 따르면 현재 macOS는 Docker 배포를 지원하지 않습니다.
최신 릴리스는 릴리스 후보 버전(1.0.0-rc1)이므로 변경될 수 있습니다.
시작한 후 API 키를 사용해 자체 LLM, 임베딩 및 리랭커 모델을 추가해야 합니다.

토픽

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

자주 묻는 질문

ragflow은(는) 무엇인가요?: LLM 애플리케이션에 컨텍스트 계층을 제공하는 오픈소스 RAG 엔진으로, 검색 증강 생성과 에이전트 기능을 결합합니다. RAGFlow는 오픈소스 검색 증강 생성 엔진입니다. 다양한 형식의 문서를 가져와 설정 가능한 템플릿으로 파싱하고 청크로 나눈 뒤, 결과를 인덱싱합니다. 이를 바탕으로 LLM 애플리케이션은 근거 자료에 기반하고 출처를 추적할 수 있는 답변을 제공합니다.
ragflow은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?: ragflow은(는) Apache-2.0 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
ragflow은(는) 아직 유지보수되고 있나요?: 활발히 유지보수 중. ragflow의 마지막 커밋은 2026년 10월 20일입니다.
ragflow은(는) 어디에 사용할 수 있나요?: 회사 문서와 매뉴얼을 기반으로 내부 질의응답 어시스턴트를 구축합니다. 인용을 지원하는 스캔 파일 또는 여러 형식이 혼합된 파일 기반 지식 베이스를 만듭니다. 지속적인 동기화를 위해 클라우드 스토리지나 BigQuery 같은 엔터프라이즈 데이터 소스를 연결합니다. API를 통해 검색 기반 답변을 기존 애플리케이션에 통합합니다.
ragflow는 어떻게 설치하나요?: 리포지토리를 클론합니다: git clone https://github.com/infiniflow/ragflow.git Docker 배포 디렉터리로 이동합니다: cd ragflow/docker Docker Compose로 RAGFlow 서비스를 시작합니다: docker compose -f docker-compose.yml up -d 헬스 엔드포인트로 서버가 준비되었는지 확인한 다음 브라우저에서 Web UI를 엽니다: curl -f http://localhost/api/v1/system/healthz
ragflow은(는) 어디서 받을 수 있나요?: 소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/infiniflow/ragflow

요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.