【RAGFlow代码详解-1】概述

什么是 RAGFlow

RAGFlow 是一个生产就绪的 RAG 引擎，它将大型语言模型 （LLM） 与高级文档理解相结合，从非结构化数据中提供准确的、有引文支持的响应。系统通过基于模板的分块和多模态检索机制处理多种文档格式（PDF、DOCX、Excel、图像、网页）。

主要技术特点包括：

• 深度文档理解 ：通过 deepdoc/ 模块对复杂布局进行视觉驱动的文档解析
• 基于模板的分块 ：rag/nlp/ 中的可配置文本分割策略
• 多后端存储 ：通过 DOC_ENGINE 配置支持 Elasticsearch、Infinity 和 OpenSearch
• 代理工作流系统 ：带有代理/canvas.py 执行引擎的可视化工作流构建器
• 多语言支持 ：web/src/locales/ 中的 11 种语言本地化

该平台公开 Web 界面 （web/） 和编程 API （api/apps/），支持无缝集成到现有业务工作流程中。

高级系统架构

RAGFlow 实现了分层架构，前端接口、API 服务、处理引擎和存储后端之间进行了明确的分离。

整体系统架构

该架构支持通过容器化服务进行水平扩展，并通过 docker/.env 中的环境变量支持可配置的存储后端。

组件到代码映射

该图将 RAGFlow 的功能组件映射到其特定的代码实现，从而实现从系统概念到实际文件位置的导航。

核心组件架构

文件处理管道

核心处理工作流程

RAG 数据处理管道

RAGFlow 通过多阶段管道处理文档，将非结构化内容转换为语义上可搜索的知识。

阶段	实现	主要功能	配置
上传	api/apps/document_app.py	upload（）、create（）	.env 中的 MAX_CONTENT_LENGTH
解析	deepdoc/parser/	块（）、extract_table_figure（）	文档类型检测
视觉	deepdoc/vision/	layout_recognize（）、ocr（）	多模态模型支持
块	rag/nlp/rag_tokenizer.py	tokenize（）、naive_merge（）	基于模板的策略
嵌入	rag/llm/embedding_model.py	编码（）、encode_queries（）	特定于提供程序的模型
index	${DOC_ENGINE} 存储	矢量 + 全文索引	Elasticsearch/Infinity/OpenSearch

代理工作流执行

RAGFlow 的代理系统通过基于组件的处理来执行可视化工作流程。

代理画布执行流程

技术栈和部署

核心技术

前端堆栈：

• web/src/ 中的 React + TypeScript
• 用于构建系统和路由的 UmiJS 框架
• Ant Design + Tailwind CSS for UI 组件
• 用于代理画布可视化的 ReactFlow
• i18next 支持 11 种语言的本地化

后端堆栈：

• Python 3.10+ 带 Flask （ragflow_server.py）

• 支持 MySQL/PostgreSQL 的 SQLAlchemy ORM

• 用于缓存和任务队列的 Redis

• 基于 Asyncio 的后台处理 （task_executor.py）

  存储后端：

• 矢量搜索 ：DOC_ENGINE 可配置（Elasticsearch/Infinity/OpenSearch）

• 对象存储 ：MinIO（兼容 S3）、Azure Blob、阿里云 OSS

• 元数据 ：具有可配置连接池的 MySQL

• 缓存 ：具有会话管理的 Redis

集成点和 API

RAGFlow 公开了多个集成接口，以支持不同的使用模式：

API 端点：

• 知识库管理：api/apps/dataset_app.py
• 文档作：api/apps/document_app.py
• 聊天对话：api/apps/conversation_app.py
• 代理工作流：api/apps/agent_app.py

身份验证和安全：

• 用于编程访问的基于 API 密钥的身份验证
• 对第三方身份验证提供程序的 OAuth2 支持
• 基于团队的访问控制和资源共享