RAGFlow open-source Retrieval-Augmented Generation (RAG) engine — deployment, configuration, management, and troubleshooting. — RAGFlow 开源检索增强生成（RAG）引擎 — 部署、配置、管理和故障排除。

Open RAGFlow Open-source RAG 引擎，融合 RAG 和 Agent 能力。全栈：Python 后端（Flask），React/TypeScript 前端，Docker 部署的微服务。

用例 通过 Docker Compose 或源代码部署或自托管 RAGFlow 配置 RAGFlow（LLM 提供商，API 密钥，文档引擎，端口） 通过 RAGFlow CLI 管理知识库、数据集、文档、Agent 和聊天 了解 RAGFlow 架构（DeepDoc，Agent 系统，RAG 流水线） 集成 RAGFlow REST API 排除 RAGFlow 部署或运行时问题

快速参考 网站：https://ragflow.io 云：https://cloud.ragflow.io 文档：https://ragflow.io/docs/dev/ 仓库：https://github.com/infiniflow/ragflow Discord：https://discord.gg/NjYzJD3GM3 Docker Hub：infiniflow/ragflow 许可证：Apache 2.0

何时使用哪个参考 部署/排除部署问题 → references/deployment.md 了解架构/组件/数据流 → references/architecture.md 使用 CLI 管理数据集、Agent、模型 → references/cli-reference.md

先决条件 CPU >= 4 核，RAM >= 16 GB，磁盘 >= 50 GB Docker >= 24.0.0 和 Docker Compose >= v2.26.1 vm.max_map_count >= 262144（Linux，用于 Elasticsearch） gVisor：可选，只需要用于代码执行器（沙盒）功能

Docker 部署（快速开始） git clone https://github.com/infiniflow/ragflow.git cd ragflow/docker docker compose -f docker-compose.yml up -d docker logs -f docker-ragflow-cpu-1 等待横幅，然后登录 打开 http://YOUR_SERVER_IP 在浏览器中 配置 LLM API 密钥在 docker/service_conf.yaml.template 中，user_default_llm，然后重启：docker compose -f docker-compose.yml up -d

中文镜像 如果 Docker Hub 慢：Huawei Cloud：swr.cn-north-4.myhuaweicloud.com/infiniflow/ragflow Alibaba Cloud：registry.cn-hangzhou.aliyuncs.com/infiniflow/ragflow 设置 HuggingFace 镜像，如果需要：HF_ENDPOINT=https://hf-mirror.com 在 docker/.env 中

关键配置文件 文件范围 docker/.env 环境变量：SVR_HTTP_PORT，MYSQL_PASSWORD，MINIO_PASSWORD，DOC_ENGINE，RAGFLOW_IMAGE，HF_ENDPOINT docker/service_conf.yaml.template 后端服务：LLM 工厂，API 密钥，嵌入/重排/ASR/TTS 模型 docker/docker-compose.yml 全栈编排 docker/docker-compose-base.yml 基础设施服务（开发模式）

部署后 LLM 设置 登录浏览器 编辑 docker/service_conf.yaml.template：user_default_llm：factory: "OpenAI" # 或 "DeepSeek"， "Gemini" 等 api_key: "sk-..." base_url: "https://api.openai.com/v1/" 运行 docker compose -f docker-compose.yml up -d 应用

CLI 快速参考 所有 CLI 命令以 ; 结尾 完整参考：references/cli-reference.md # 数据集 LIST DATASETS; CREATE DATASET 'my_kb' WITH EMBEDDING 'text-embedding-ada-002' PARSER 'pdf'; DROP DATASET 'my_kb'; LIST FILES OF DATASET 'my_kb'; # 文档 IMPORT '/path/to/doc.pdf' INTO DATASET 'my_kb'; PARSE DATASET 'my_kb' SYNC; PARSE DATASET 'my_kb' ASYNC; # 搜索 SEARCH 'What is RAG?' ON DATASETS 'my_kb'; # 模型 CREATE MODEL PROVIDER 'openai' 'sk-...'; SET DEFAULT LLM 'gpt-4'; LIST MODEL PROVIDERS; LIST DEFAULT MODELS; # Agent 和聊天 LIST AGENTS; LIST CHATS; CREATE CHAT 'my_session'; DROP CHAT 'my_session'; # 连接 PING; SHOW CURRENT USER;

切换文档引擎（Elasticsearch → Infinity） docker compose -f docker/docker-compose.yml down -v # 警告：清除数据 编辑 docker/.env：设置 DOC_ENGINE=infinity docker compose -f docker-compose.yml up -d Infinity 更轻量，但 Linux/arm64 不官方支持

架构概览 Web UI（React+TS+vitejs+shadcn）→ Flask API（/api/）→ RAG Core（/rag/）+ Agent（/agent/）↓ 基础设施：MySQL + Elasticsearch/Infinity + Redis + MinIO 后端（/api/）：Flask 蓝图 — kb，dialog，document，canvas，file，user RAG Core（/rag/）：DeepDoc 解析，LLM/嵌入/重排抽象，分块，GraphRAG Agent（/agent/）：基于画布的工作流构建器，具有组件（LLM，检索，代码执行器，MCP，搜索，SQL） 前端（/web/）：React 18 + TypeScript + Vite 请参阅 references/architecture.md 以获取详细的组件分解

从源代码开发 git clone https://github.com/infiniflow/ragflow.git && cd ragflow uv sync --python 3.12 && uv run python3 download_deps.py docker compose -f docker/docker-compose-base.yml up -d # 添加到 /etc/hosts：127.0.0.1 es01 infinity mysql minio redis sandbox-executor-manager source .venv/bin/activate && export PYTHONPATH=$(pwd) bash docker/launch_backend_service.sh # 单独终端：cd web && npm install && npm run dev

排除故障快速参考 问题 解决方案 网络异常浏览器错误 等待 Docker 日志显示 RAGFlow 横幅 — 服务器正在初始化 Docker 拉取超时在中国 使用 RAGFLOW_IMAGE 镜像（Huawei Cloud / Alibaba Cloud） HuggingFace 无法访问 导出 HF_ENDPOINT=https://hf-mirror.com ARM64 平台 从源代码构建 Docker 镜像（无官方支持）