RAGFlow是一款创新的AI工具，旨在解决大型语言模型在回答问题时“一本正经胡说八道”的问题。它通过将AI的回答与原文截图或直接跳转到原文位置相结合，确保信息的准确性和可追溯性。RAGFlow支持广泛的文档格式，包括PDF、Word、PPT、Excel，甚至扫描图片，并能自动处理文档的索引和向量化。其透明的处理过程让用户了解文档如何被分割和理解，并允许进行修改。该工具还支持多语言混合文档，并能处理网页、图片、数据库等多种文件类型，为用户提供一个可靠且易于使用的AI文档助手。

📚 **广泛的文档格式支持与智能识别**：RAGFlow能够处理包括PDF、Word、PPT、Excel在内的多种常见办公文档格式，甚至能识别扫描版图片文档中的文字和表格信息，极大地扩展了AI在文档处理方面的应用范围。

🔍 **回答有根有据，提供原文依据**：与传统的AI工具不同，RAGFlow在提供答案的同时，会附带相关的原文截图，并能直接跳转到原文位置。这一特性解决了AI“信口开河”的痛点，让用户能够轻松验证信息的真实性，增强了AI回答的可信度。

⚙️ **全自动后台处理与多语言兼容**：用户只需将文档上传，RAGFlow便会自动完成文档的索引和向量化等技术性工作，无需手动干预。同时，它还能处理中英文混合的文档，并支持多语言查询，满足了日益增长的跨语言信息处理需求。

💡 **透明化的处理流程与可定制性**：RAGFlow允许用户查看文档被分割成多少段落，以及每段的具体内容，并且可以根据需要进行修改。这种透明化的处理过程使用户能够更好地理解AI的工作方式，并对结果进行优化。

本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。

昨天又被产品经理催文档，翻了半天服务器找不到最新版本。好不容易找到个 PDF，复制粘贴出来全是乱码。拿 ChatGPT 问点技术细节，它一本正经胡说八道，还不告诉你信息从哪来的。

GitHub 上刷到个项目叫 RAGFlow，看名字就知道又是搞 RAG 的。但这个有点不一样： 它会把回答的依据截图给你看。

就像以前做语文阅读理解，老师让你把答案在原文里划出来证明不是瞎编的。这下总算不用担心 AI 信口开河了。

主要功能

文档格式支持广：什么 PDF、Word、PPT、Excel 都行，连扫描版的图片文档也能识别。表格图片文字，它都能给你提取出来。

处理过程透明：别的工具你不知道它怎么处理文档的，这个可以看到文档被分成了多少段，每段内容是啥，不满意还能改。

回答有根有据：问个问题，它不光给你答案，还把相关的原文截图贴出来，甚至能直接跳到原文档的位置。这下不怕AI瞎编了。

文件类型全覆盖：除了常见的办公文档，网页、图片、数据库文件什么的都能导入。工作中碰到的文件基本都能处理。

后台自动干活：文档扔进去后，建索引、做向量化这些技术活儿都是自动的，你不用管。

多语言没问题：中文英文混在一起的文档也能处理，查的时候也不分语言。

安装指南

部署倒是挺简单，Docker 走起：

1、机器配置别太寒酸（CPU 起码4核，内存16G打底，不然跑不动）

2、代码拉下来：git clone https://github.com/infiniflow/ragflow.git

3、cd 进去找到 docker 目录，敲个命令：docker compose -f docker-compose.yml up -d

4、等个几分钟启动完，浏览器访问就行了

写在最后

老实说，经常搞文档的话这工具确实有用。特别是能看到答案出处这点，比那些黑盒工具靠谱多了。

就是硬件要求有点高，小团队可能要考虑下服务器成本。开源项目嘛，界面什么的肯定没那些收费软件做得精致。

反正我是准备在下个项目里试试，有兴趣的可以看看。

GitHub 项目地址：github.com/infiniflow/…

好了，今天的分享到此结束，感谢大家抽空阅读，我们下期再见，Respect！

学习资源推荐

如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。

本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。