TL;DR

RAGFlow 是 InfiniFlow（中国团队）出品的开源 RAG 引擎（Apache 2.0），核心卖点是深度文档解析 + 高召回率切片 + 引用溯源。支持 PDF / Word / Excel / PPT / 图片 / 扫描件，内置 OCR + 版面分析 + 表格识别，切片质量远超通用 RAG 方案。Docker 自托管 + Cloud 云端，中文支持好（文档 / UI / 社区）。

适合：需要精准文档问答的企业知识库、复杂文档（表格 / 图文 / 扫描件）场景、中文 RAG 需求、对召回率要求高的业务。不适合：需要复杂 Agent 编排（用 Dify）、资源有限的小服务器、需要精美 UI 的 C 端产品。

核心能力

深度文档解析：PDF / Word / Excel / PPT / 图片 / 扫描件，版面分析 + 表格识别
OCR 引擎：内置 PaddleOCR / DeepDOC，支持中英文扫描件识别
智能切片：基于版面分析的语义切片，保留段落 / 表格 / 标题结构
高召回率：混合检索（全文 + 向量）+ 重排序（Rerank），召回精度高
引用溯源：回答标注来源文档 + 页码 + 原文片段，可验证
多模型接入：OpenAI / Claude / Ollama / 通义千问 / 智谱 / 月之暗面
多向量数据库：Elasticsearch / Infinity（自研）/ Chroma
知识库管理：多知识库 + 文档分类 + 解析状态监控
API 接口：完整 REST API + SDK，可集成到外部系统

价格

方案	价格	核心功能
开源版	$0	完整功能，Apache 2.0，自托管
Cloud	按量付费	托管服务，免运维
Enterprise	联系销售	私有部署 + 技术支持 + 定制

价格信息基于 2026-07 官网，可能调整。

体验与评测（资料整理）

说明：本节基于官方文档与公开评测整理，非本站独立实测环境，具体数据请以官方为准。 亮点：

文档解析质量在开源 RAG 中最强——复杂表格、多栏排版、图文混排都能正确识别
扫描件 OCR 效果好，中文印刷体识别准确率高
引用溯源到页码 + 原文片段，回答可信度高
混合检索 + Rerank 召回精度明显优于纯向量检索
中国团队出品，中文文档和社区支持好，Issue 响应快
支持通义千问 / 智谱 / 月之暗面等国产模型，国内场景适配好

踩坑：

资源消耗大——Elasticsearch + Redis + MinIO + RAGFlow 本身，至少 16GB 内存
部署较重，Docker Compose 起来 5+ 容器，配置复杂
大文件解析慢——100 页 PDF 解析 + 切片可能 5-10 分钟
UI 仍有粗糙处，文档管理界面交互不够流畅
Agent 能力弱——RAG 问答是强项，复杂工具调用 / 多步推理不如 Dify
解析失败的重试机制不完善，偶尔卡在 parsing 状态
版本迭代快，升级需注意数据迁移

上手

系统准备：确保 16GB+ 内存 + Docker + Docker Compose
克隆仓库：git clone https://github.com/infiniflow/ragflow.git
启动服务：cd ragflow/docker && docker compose up -d
访问 http://localhost:80，注册管理员账号
配置模型：Settings → Model Providers 添加 LLM + Embedding + Rerank
创建知识库 → 上传文档 → 等待解析完成 → 开始问答

对比

维度	RAGFlow	Dify	FastGPT	AnythingLLM
文档解析	✅ 最强	中	强	弱
表格识别	✅	❌	✅	❌
OCR	✅ 内置	❌	需配置	需配置
召回精度	高	高	高	中
引用溯源	✅ 页码+片段	✅	✅	✅
Agent 能力	弱	强	中	基础
资源消耗	高	中	中	低
中文支持	✅ 优秀	好	好	一般

避坑

资源一定要够：低于 16GB 内存别部署，ES + Redis + MinIO 都吃内存
Elasticsearch 配置：默认 JVM 堆偏小，大知识库调 ES_JAVA_OPTS 到 4-8GB
大文件拆分上传：超过 100 页的 PDF 拆成小文件，解析更稳定
解析失败检查格式：加密 PDF / 损坏文件会卡住，上传前检查
Rerank 模型别省：召回精度提升的关键，用 bge-reranker 或 Cohere Rerank
不要当 Agent 平台用：RAG 问答是核心，复杂工具调用上 Dify
定期备份：ES 数据 + MinIO 文件，升级前完整快照

适合 / 不适合

✅ 需要精准文档问答的企业知识库
✅ 复杂文档（表格 / 图文 / 扫描件）RAG 场景
✅ 中文 RAG 需求（国产模型 + 中文 OCR）
✅ 对召回率和引用溯源要求高的业务
✅ 有运维能力的团队私有化部署
❌ 需要复杂 Agent 编排（用 Dify）
❌ 资源有限的小服务器（至少 16GB 内存）
❌ 需要精美 C 端 UI 的产品
❌ 无运维能力的团队（用 Cloud 版或 FastGPT）
❌ 纯英文简单文档场景（AnythingLLM 更轻量）

FAQ

Q: RAGFlow 和 Dify 怎么选？ A: RAGFlow 专注 RAG——文档解析 + 检索精度 + 引用溯源是核心强项，适合文档密集型知识库。Dify 是完整 AI 应用平台——工作流 + Agent + RAG + API 管理，功能更全。纯文档问答选 RAGFlow，构建 AI 应用选 Dify，两者也可配合使用。

Q: 部署需要什么配置？ A: 最低 16GB 内存 + 4 核 CPU + 50GB 磁盘。生产环境建议 32GB 内存 + 8 核 + SSD。Elasticsearch 是内存大户，知识库文档量大时 ES JVM 堆需 8GB+。如果资源有限，考虑用 Infinity（RAGFlow 自研向量库）替代 ES。

Q: 支持中文 OCR 吗？ A: 支持。内置 PaddleOCR + DeepDOC 引擎，中文印刷体识别准确率高。手写体效果一般，复杂背景的扫描件建议预处理（去噪 / 矫正）后再上传。OCR 默认开启，可在解析模板中配置。

Q: 和 FastGPT 比 RAG 精度如何？ A: 两者 RAG 精度都属第一梯队。RAGFlow 的优势在文档解析——复杂表格、多栏版面、图文混排的识别更准确，切片质量更高。FastGPT 的优势在工作流编排和知识库管理 UI 更成熟。文档解析要求高选 RAGFlow，流程管理要求高选 FastGPT。

来源

本文的价格、版本号与性能数据均参考以下官方渠道整理，可能随时间变动，请以官方实时信息为准。

AnythingLLM

Dify

FastGPT