Repolode
Enviar
infiniflow

infiniflow/ragflow

Mecanismo RAG open source que combina geração aumentada por recuperação com recursos de agentes para oferecer uma camada de contexto a aplicações com LLMs.

Ver no GitHubSite
Estrelas
92,517
Forks
11,047
Issues abertas
1,346
Último commit
há 3 horas

O que é?

O RAGFlow é um mecanismo open source de geração aumentada por recuperação. Ele ingere documentos em vários formatos, faz o parsing e divide o conteúdo em chunks usando templates configuráveis e indexa os resultados para que aplicações com LLMs respondam a perguntas com base nesse material e apresentem citações rastreáveis.

Além do RAG básico, o RAGFlow oferece recuperação com agentes, em que o modelo divide perguntas complexas em etapas, faz várias rodadas de recuperação e verifica as evidências. Também inclui uma etapa de compilação de conhecimento que transforma documentos e conjuntos de dados em wikis, grafos, árvores, mapas mentais e outros artefatos estruturados. É possível revisar e editar os chunks manualmente antes de usá-los.

O RAGFlow oferece uma interface web, um conjunto de APIs para integração e implantação baseada em Docker, além de suporte a modelos configuráveis de LLM, embeddings e reranking. Também pode ser executado a partir do código-fonte para desenvolvimento.

Recursos principais

  • 01Parsing aprofundado de documentos Word, PowerPoint, Excel, PDF, arquivos digitalizados, imagens e páginas da web.
  • 02Divisão em chunks baseada em templates, com pré-visualização visual e intervenção manual.
  • 03Recuperação com agentes e modos de raciocínio Low, Medium, High e Ultra.
  • 04Compilação de conhecimento em wikis, grafos, árvores, mapas mentais e linhas do tempo.
  • 05Citações rastreáveis para embasar as respostas.
  • 06Modelos configuráveis de LLM, embeddings e reranking, com recuperação em várias etapas e reranking combinado.

Casos de uso

  • Criar um assistente interno de perguntas e respostas com base em documentos e manuais da empresa.
  • Criar uma base de conhecimento a partir de arquivos digitalizados ou em formatos variados, com suporte a citações.
  • Conectar fontes de dados corporativas, como armazenamento em nuvem ou BigQuery, para sincronização contínua.
  • Integrar respostas baseadas em recuperação a aplicações existentes por meio das APIs do projeto.

Início rápido

  1. 1

    Clone o repositório

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

    Acesse o diretório de implantação do Docker

    cd ragflow/docker
  3. 3

    Inicie os serviços do RAGFlow com o Docker Compose

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

    Verifique se o servidor está pronto usando o endpoint de health e, em seguida, abra a Web UI no navegador

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

Antes de usar

  • O README recomenda pelo menos 4 núcleos de CPU, 16 GB de RAM e 50 GB de espaço em disco.
  • Segundo o README, o macOS não é compatível atualmente com a implantação do Docker.
  • A versão mais recente é uma release candidate (1.0.0-rc1), portanto ainda pode mudar.
  • Após a inicialização, você precisa adicionar seus próprios modelos de LLM, embeddings e reranker usando chaves de API.

Tópicos

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

Perguntas frequentes

O que é ragflow?
Mecanismo RAG open source que combina geração aumentada por recuperação com recursos de agentes para oferecer uma camada de contexto a aplicações com LLMs. O RAGFlow é um mecanismo open source de geração aumentada por recuperação. Ele ingere documentos em vários formatos, faz o parsing e divide o conteúdo em chunks usando templates configuráveis e indexa os resultados para que aplicações com LLMs respondam a perguntas com base nesse material e apresentem citações rastreáveis.
ragflow é gratuito? Qual é a licença?
ragflow é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
ragflow ainda é mantido?
Manutenção ativa. O último commit de ragflow foi em 20 de out. de 2026.
Para que posso usar ragflow?
Criar um assistente interno de perguntas e respostas com base em documentos e manuais da empresa. Criar uma base de conhecimento a partir de arquivos digitalizados ou em formatos variados, com suporte a citações. Conectar fontes de dados corporativas, como armazenamento em nuvem ou BigQuery, para sincronização contínua. Integrar respostas baseadas em recuperação a aplicações existentes por meio das APIs do projeto.
Como instalar ragflow?
Clone o repositório: git clone https://github.com/infiniflow/ragflow.git Acesse o diretório de implantação do Docker: cd ragflow/docker Inicie os serviços do RAGFlow com o Docker Compose: docker compose -f docker-compose.yml up -d Verifique se o servidor está pronto usando o endpoint de health e, em seguida, abra a Web UI no navegador: curl -f http://localhost/api/v1/system/healthz
Onde consigo ragflow?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/infiniflow/ragflow

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados