RAGFlow: eine quelloffene RAG-Engine, die auf einem tiefgreifenden Verständnis von Dokumenten basiert und effiziente Retrieval-gestützte Generierungsworkflows ermöglicht

Allgemeine Einführung

RAGFlow ist eine quelloffene Retrieval Augmented Generation (RAG)-Engine, die auf der Technologie des tiefen Dokumentenverständnisses basiert. Sie bietet Organisationen aller Größenordnungen eine effiziente RAG RAGFlow unterstützt eine breite Palette von Datenquellen wie Dokumente, Folien, Tabellenkalkulationen, Text, Bilder und strukturierte Daten und stellt sicher, dass wertvolle Informationen aus großen Datenmengen extrahiert werden können. Zu den Hauptmerkmalen gehören Templated Chunking, reduzierte Phantomreferenzierung und Kompatibilität mit heterogenen Datenquellen.

Funktionsliste

• Tiefes Verständnis der DokumentationWissensextraktion auf der Grundlage unstrukturierter Daten in komplexen Formaten.
• Schablonenhaftes ChunkingEine breite Palette von Vorlagen ist verfügbar, intelligent und offen für Interpretationen.
• Visualisierung von ZitatenUnterstützt die Visualisierung von Textchunking für ein einfaches manuelles Eingreifen und eine schnelle Anzeige der wichtigsten Referenzen.
• Kompatibel mit mehreren DatenquellenUnterstützung für Word, Folien, Excel, Text, Bilder, Scans, strukturierte Daten, Webseiten und mehr.
• Automatisierung der RAG-ArbeitsabläufeReibungslose RAG-Orchestrierung für Einzelpersonen und große Unternehmen, mit Unterstützung für mehrfache Rückrufe und Neuordnung.
• Intuitive APIErleichterung der nahtlosen Integration mit Geschäftssystemen.

Hilfe verwenden

Einbauverfahren

1. Systemanforderungen::
   • CPU: mindestens 4 Kerne
   • Speicher: mindestens 16 GB
   • Festplatte: mindestens 50 GB
   • Docker: Version 24.0.0 und höher
   • Docker Compose: Version v2.26.1 und höher
2. Installation von Docker::
   • Windows-, Mac- oder Linux-Benutzer können sich auf die Docker-Installationsanleitung beziehen.
3. Klonen des RAGFlow-Repositorys::

   git clone https://github.com/infiniflow/ragflow.git
cd ragflow

4. Erstellen eines Docker-Images::
   • Enthält keine Spiegelung des eingebetteten Modells:

    docker build -t ragflow .
   

   • Enthält ein Spiegelbild des eingebetteten Modells:

    docker build -f Dockerfile.deps -t ragflow .
   

5. Neue Dienste::

   docker-compose up

Leitlinien für die Verwendung

1. konfigurieren.::
   • existierenconfum die Konfigurationsdatei zu ändern und den Pfad der Datenquelle, die Modellparameter usw. festzulegen.
2. Neue Dienste::
   • Nachdem Sie den Dienst mit dem oben genannten Befehl gestartet haben, können Sie über die API mit ihm interagieren.
3. Hauptfunktionen::
   • Dokument hochladenUpload: Lädt das zu bearbeitende Dokument in das angegebene Verzeichnis hoch.
   • DatenverarbeitungDas System zerlegt, analysiert und extrahiert automatisch Wissen aus Dokumenten.
   • Frage- und AntwortsystemSenden Sie eine Frage über die API, und das System generiert eine Antwort auf der Grundlage des Inhalts des Dokuments und liefert eine Quellenangabe.
4. Probebetrieb::
   • Laden Sie ein Word-Dokument hoch: bash
curl -F "file=@/path/to/document.docx" http://localhost:8000/upload

   • Frage: bash
curl -X POST -H "Content-Type: application/json" -d '{"question": "文档的主要内容是什么？"}' http://localhost:8000/ask