RAGFlow : un moteur RAG open source basé sur la compréhension profonde des documents, fournissant des flux de travail de génération améliorés par la recherche.

Introduction générale

RAGFlow est un moteur RAG (Retrieval Augmented Generation) open source basé sur une technologie de compréhension profonde des documents. Il fournit aux organisations de toutes tailles un RAG RAGFlow prend en charge un large éventail de sources de données, notamment des documents, des diapositives, des feuilles de calcul, du texte, des images et des données structurées, ce qui permet d'extraire des informations précieuses à partir de quantités massives de données. Parmi ses principales caractéristiques, citons le découpage modélisé, la réduction du référencement fantôme et la compatibilité avec des sources de données hétérogènes.

Liste des fonctions

• Compréhension approfondie de la documentation: Extraction de connaissances à partir de données non structurées dans des formats complexes.
• Chunking modéliséIl existe un large éventail d'options de modèles, intelligents et ouverts à l'interprétation.
• Visualisation des citationsLe système de visualisation du découpage du texte permet une intervention manuelle aisée et une visualisation rapide des références clés.
• Compatible avec plusieurs sources de donnéesPrise en charge de Word, de diapositives, d'Excel, de textes, d'images, de scans, de données structurées, de pages web, etc.
• Automatiser les flux de travail des GCROrchestration fluide des RAG pour les particuliers et les grandes entreprises, avec prise en charge des rappels multiples et des réorganisations.
• API intuitiveFaciliter l'intégration transparente avec les systèmes d'entreprise.

Utiliser l'aide

Processus d'installation

1. exigences du système: :
   • CPU : au moins 4 cœurs
   • Mémoire : au moins 16 Go
   • Disque dur : au moins 50 Go
   • Docker : version 24.0.0 et supérieure
   • Docker Compose : version v2.26.1 et supérieure
2. Installation de Docker: :
   • Les utilisateurs de Windows, Mac ou Linux peuvent se référer au guide d'installation de Docker.
3. Cloner le référentiel RAGFlow: :

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

4. Construire une image Docker: :
   • Ne contient pas de miroir du modèle intégré :

    docker build -t ragflow .
   

   • Contient une image miroir du modèle intégré :

    docker build -f Dockerfile.deps -t ragflow .
   

5. Démarrage des services: :

   docker-compose up

Lignes directrices pour l'utilisation

1. configurer: :
   • existentconfpour modifier le fichier de configuration et définir le chemin de la source de données, les paramètres du modèle, etc.
2. Démarrage des services: :
   • Après avoir démarré le service à l'aide de la commande ci-dessus, vous pouvez interagir avec lui par l'intermédiaire de l'API.
3. Principales fonctions: :
   • Téléchargement de documentsUpload : télécharge le document à traiter dans le répertoire spécifié.
   • traitement des donnéesLe système regroupe, analyse et extrait automatiquement des connaissances à partir de documents.
   • système de questions-réponsesLe système génère une réponse basée sur le contenu du document et fournit une citation.
4. opération d'échantillonnage: :
   • Télécharger un document Word : bash
curl -F "file=@/path/to/document.docx" http://localhost:8000/upload

   • Question : 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