-DFE0E5)
📕 Содержание
- 💡 [Что такое RAGFlow?](#-что-такое-ragflow)
- 🎮 [Начало работы](#-начало-работы)
- 📌 [Последние обновления](#-последние-обновления)
- 🌟 [Ключевые возможности](#-ключевые-возможности)
- 🔎 [Архитектура системы](#-архитектура-системы)
- 🎬 [Самостоятельное развёртывание](#-самостоятельное-развёртывание)
- 🔧 [Конфигурация](#-конфигурация)
- 🔧 [Сборка Docker-образа](#-сборка-docker-образа)
- 🔨 [Запуск из исходников для разработки](#-запуск-из-исходников-для-разработки)
- 📚 [Документация](#-документация)
- 📜 [Дорожная карта](#-дорожная-карта)
- 🏄 [Сообщество](#-сообщество)
- 🙌 [Участие в разработке](#-участие-в-разработке)
## 💡 Что такое RAGFlow?
[RAGFlow](https://ragflow.io/) — ведущий open-source движок Retrieval-Augmented Generation ([RAG](https://ragflow.io/basics/what-is-rag)), который объединяет передовые возможности RAG с агентными технологиями и создаёт качественный контекстный слой для больших языковых моделей. Он предлагает понятный и масштабируемый RAG-пайплайн, подходящий как для небольших проектов, так и для крупных компаний. Благодаря объединённому [движку контекста](https://ragflow.io/basics/what-is-agent-context-engine) и готовым шаблонам агентов RAGFlow позволяет разработчикам быстро превращать сложные данные в высокоточные production-ready AI-системы.
## 🎮 Начало работы
Попробуйте облачную версию: [https://cloud.ragflow.io](https://cloud.ragflow.io).
## 🔥 Последние обновления
- 2026-06-15 Поддержка нескольких каналов чата: Feishu, Discord, Telegram, Line и другие.
- 2026-04-24 Поддержка DeepSeek v4.
- 2026-03-24 [RAGFlow Skill на OpenClaw](https://clawhub.ai/yingfeng/ragflow-skill) — официальный навык для работы с датасетами RAGFlow через OpenClaw.
- 2025-12-26 Поддержка «Памяти» для AI-агентов.
- 2025-11-19 Поддержка Gemini 3 Pro.
- 2025-11-12 Синхронизация данных из Confluence, S3, Notion, Discord и Google Drive.
- 2025-10-23 Поддержка MinerU и Docling в качестве методов парсинга документов.
- 2025-10-15 Поддержка настраиваемого пайплайна ingestion.
- 2025-08-08 Поддержка новейших моделей серии GPT-5 от OpenAI.
- 2025-08-01 Поддержка агентных workflow и MCP.
- 2025-05-23 Добавлен компонент выполнения кода на Python/JavaScript в Agent.
- 2025-03-19 Поддержка мультимодальных моделей для понимания изображений внутри PDF и DOCX.
## 🎉 Следите за обновлениями
⭐️ Поставьте звезду репозиторию, чтобы не пропускать новые возможности и улучшения. Получайте уведомления о релизах!
## 🌟 Ключевые возможности
### 🍭 **«Качество на входе — качество на выходе»**
- Извлечение знаний на основе [глубокого понимания документов](./deepdoc/README.md) из неструктурированных данных со сложным форматированием.
- Поиск «иголки в стоге данных» при практически неограниченном количестве токенов.
### 🍱 **Шаблонный чанкинг**
- Интеллектуальный и объяснимый.
- Большой выбор готовых шаблонов.
### 🌱 **Обоснованные цитаты с минимальными галлюцинациями**
- Визуализация чанкинга с возможностью ручной корректировки.
- Быстрый просмотр ключевых источников и отслеживаемых цитат.
### 🍔 **Работа с разнородными источниками данных**
- Поддержка Word, презентаций, Excel, txt, изображений, сканов, структурированных данных, веб-страниц и многого другого.
### 🛀 **Автоматизированный и простой RAG-пайплайн**
- Удобная оркестрация RAG как для личных проектов, так и для крупных компаний.
- Настраиваемые LLM и модели эмбеддингов.
- Множественный поиск + fused re-ranking.
- Понятные API для простой интеграции.
## 🔎 Архитектура системы
## 🎬 Самостоятельное развёртывание
### 📝 Требования
- CPU ≥ 4 ядра
- RAM ≥ 16 ГБ
- Диск ≥ 50 ГБ
- Docker ≥ 24.0.0 и Docker Compose ≥ v2.26.1
- Python ≥ 3.13
- [gVisor](https://gvisor.dev/docs/user_guide/install/) — нужен только если вы планируете использовать песочницу (code executor).
> [!TIP]
> Если Docker ещё не установлен (Windows, Mac или Linux), см. [Install Docker Engine](https://docs.docker.com/engine/install/).
### 🚀 Запуск сервера
1. Убедитесь, что `vm.max_map_count` ≥ 262144:
> Проверить текущее значение:
>
> ```bash
> sysctl vm.max_map_count
> ```
>
> Если значение меньше 262144, установите:
>
> ```bash
> sudo sysctl -w vm.max_map_count=262144
> ```
>
> Чтобы изменение сохранилось после перезагрузки, добавьте в **/etc/sysctl.conf**:
>
> ```bash
> vm.max_map_count=262144
> ```
2. Клонируйте репозиторий:
```bash
git clone https://github.com/infiniflow/ragflow.git
```
3. Запустите сервер с помощью готовых Docker-образов:
> [!CAUTION]
> Все образы собраны под x86. Образов для ARM64 пока нет.
> Если вы на ARM64, следуйте [этому руководству](https://ragflow.io/docs/dev/build_docker_image), чтобы собрать образ самостоятельно.
> Команда ниже скачивает образ `v0.26.4`. Чтобы использовать другую версию, измените `RAGFLOW_IMAGE` в файле **docker/.env** перед запуском.
```bash
cd ragflow/docker
git checkout v0.26.4
# Опционально: используйте стабильный тег (см. релизы)
# Это гарантирует, что entrypoint.sh соответствует версии образа.
# CPU-режим для DeepDoc:
docker compose -f docker-compose.yml up -d
# GPU-ускорение DeepDoc:
# sed -i '1i DEVICE=gpu' .env
# docker compose -f docker-compose.yml up -d
```
> До версии `v0.22.0` существовали образы с моделями эмбеддингов и slim-образы без них:
| Тег образа RAGFlow | Размер (ГБ) | Есть модели эмбеддингов? | Стабильный? |
|--------------------|-------------|--------------------------|------------------|
| v0.21.1 | ≈9 | ✔️ | Стабильный релиз |
| v0.21.1-slim | ≈2 | ❌ | Стабильный релиз |
> Начиная с `v0.22.0` поставляется только slim-редакция, суффикс `-slim` больше не используется.
4. Проверьте статус после запуска:
```bash
docker logs -f docker-ragflow-cpu-1
```
_Успешный запуск выглядит так:_
```bash
____ ___ ______ ______ __
/ __ \ / | / ____// ____// /____ _ __
/ /_/ // /| | / / __ / /_ / // __ \| | /| / /
/ _, _// ___ |/ /_/ // __/ / // /_/ /| |/ |/ /
/_/ |_|/_/ |_|\____//_/ /_/ \____/ |__/|__/
* Running on all addresses (0.0.0.0)
```
> Если пропустить этот шаг и сразу открыть RAGFlow в браузере, может появиться ошибка `network abnormal` — система ещё не полностью инициализировалась.
5. Откройте в браузере IP-адрес сервера и войдите в RAGFlow.
> При стандартных настройках достаточно `http://IP_ВАШЕЙ_МАШИНЫ` (порт 80 можно не указывать).
6. В файле [service_conf.yaml.template](./docker/service_conf.yaml.template) выберите нужного провайдера LLM в `user_default_llm` и укажите `API_KEY`.
> Подробнее: [llm_api_key_setup](https://ragflow.io/docs/dev/llm_api_key_setup).
_Готово!_
## 🔧 Конфигурация
Основные файлы конфигурации:
- [.env](./docker/.env) — базовые настройки системы (`SVR_HTTP_PORT`, `MYSQL_PASSWORD`, `MINIO_PASSWORD` и др.).
- [service_conf.yaml.template](./docker/service_conf.yaml.template) — конфигурация бэкенд-сервисов. Переменные окружения подставляются автоматически при старте контейнера.
- [docker-compose.yml](./docker/docker-compose.yml) — оркестрация сервисов.
> Подробное описание переменных и настроек есть в [./docker/README](./docker/README.md). Их можно использовать как `${ENV_VARS}` в `service_conf.yaml.template`.
Чтобы изменить HTTP-порт по умолчанию (80), в [docker-compose.yml](./docker/docker-compose.yml) замените `80:80` на `<ВАШ_ПОРТ>:80`.
После изменений перезапустите контейнеры:
```bash
docker compose -f docker-compose.yml up -d
```
### Переключение с Elasticsearch на Infinity
По умолчанию RAGFlow использует Elasticsearch. Чтобы перейти на [Infinity](https://github.com/infiniflow/infinity/):
1. Остановите все контейнеры:
```bash
docker compose -f docker/docker-compose.yml down -v
```
> [!WARNING]
> Флаг `-v` удалит volumes — существующие данные будут потеряны.
2. В файле **docker/.env** установите `DOC_ENGINE=infinity`.
3. Запустите контейнеры:
```bash
docker compose -f docker/docker-compose.yml up -d
```
> [!WARNING]
> Переключение на Infinity на Linux/arm64 пока официально не поддерживается.
## 🔧 Сборка Docker-образа
Образ занимает около 2 ГБ и рассчитывает на внешние LLM и сервисы эмбеддингов.
```bash
git clone https://github.com/infiniflow/ragflow.git
cd ragflow/
docker build --platform linux/amd64 -f Dockerfile -t infiniflow/ragflow:nightly .
```
Если вы за прокси:
```bash
docker build --platform linux/amd64 \
--build-arg http_proxy=http://YOUR_PROXY:PORT \
--build-arg https_proxy=http://YOUR_PROXY:PORT \
-f Dockerfile -t infiniflow/ragflow:nightly .
```
## 🔨 Запуск из исходников для разработки
> [!IMPORTANT]
> После первого клонирования один раз выполните из корня репозитория:
> `git config --local --unset core.hooksPath`, `uv tool install lefthook` и `lefthook install`.
1. Установите `uv` (если ещё не установлен):
```bash
pipx install uv
```
2. Клонируйте репозиторий и установите зависимости:
```bash
git clone https://github.com/infiniflow/ragflow.git
cd ragflow/
uv sync --python 3.13
uv run python3 ragflow_deps/download_deps.py
git config --local --unset core.hooksPath
uv tool install lefthook
lefthook install
```
3. Запустите зависимости (MinIO, Elasticsearch, Redis, MySQL):
```bash
docker compose -f docker/docker-compose-base.yml up -d
```
Добавьте в `/etc/hosts`:
```text
127.0.0.1 es01 infinity mysql minio redis sandbox-executor-manager
```
4. Если нет доступа к HuggingFace, укажите зеркало:
```bash
export HF_ENDPOINT=https://hf-mirror.com
```
5. Если в системе нет jemalloc:
```bash
# Ubuntu
sudo apt-get install libjemalloc-dev
# CentOS
sudo yum install jemalloc
# OpenSUSE
sudo zypper install jemalloc
# macOS
brew install jemalloc
```
6. Запустите бэкенд:
```bash
source .venv/bin/activate
export PYTHONPATH=$(pwd)
bash docker/launch_backend_service.sh
```
7. Установите зависимости фронтенда:
```bash
cd web
npm install
```
8. Запустите фронтенд:
```bash
npm run dev
```
9. После разработки остановите сервисы:
```bash
pkill -f "ragflow_server.py|task_executor.py"
```
## 📚 Документация
- [Быстрый старт](https://ragflow.io/docs/dev/)
- [Конфигурация](https://ragflow.io/docs/dev/configurations)
- [Примечания к релизам](https://ragflow.io/docs/dev/release_notes)
- [Руководства пользователя](https://ragflow.io/docs/category/user-guides)
- [Руководства для разработчиков](https://ragflow.io/docs/category/developer-guides)
- [Справочные материалы](https://ragflow.io/docs/dev/category/references)
- [FAQ](https://ragflow.io/docs/dev/faq)
## 📜 Дорожная карта
См. [Дорожную карту RAGFlow на 2026 год](https://github.com/infiniflow/ragflow/issues/12241)
## 🏄 Сообщество
- [Discord](https://discord.gg/NjYzJD3GM3)
- [X](https://x.com/infiniflowai)
- [GitHub Discussions](https://github.com/orgs/infiniflow/discussions)
## 🙌 Участие в разработке
RAGFlow развивается как open-source проект. Мы рады любым вкладам сообщества.
Если хотите помочь — сначала ознакомьтесь с [Contribution Guidelines](https://ragflow.io/docs/dev/contributing).
