RAGFlow: 심층적인 문서 이해에 기반한 오픈 소스 RAG 엔진으로 효율적인 검색 강화 생성 워크플로우를 제공합니다.

3.1K 00

일반 소개

RAGFlow는 심층 문서 이해 기술을 기반으로 하는 오픈 소스 검색 증강 생성(RAG) 엔진입니다. 이 엔진은 모든 규모의 조직에 효율적인 RAG 대규모 언어 모델(LLM)을 통합한 워크플로는 복잡한 형식의 데이터를 기반으로 실제 질문과 답변 기능을 제공할 수 있으며, 문서, 슬라이드, 스프레드시트, 텍스트, 이미지 및 구조화된 데이터를 포함한 광범위한 데이터 소스를 지원하여 방대한 양의 데이터에서 가치 있는 정보를 추출할 수 있도록 합니다. 주요 기능으로는 템플릿화된 청킹, 팬텀 참조 감소, 이기종 데이터 소스와의 호환성 등이 있습니다.

기능 목록

심층적인 문서 이해복잡한 형식의 비정형 데이터에 기반한 지식 추출.
템플릿 청크다양한 템플릿 옵션을 사용할 수 있으며, 지능적이고 해석이 자유롭습니다.
인용 시각화텍스트 청크 시각화를 지원하여 쉽게 수동으로 개입하고 주요 참조를 빠르게 볼 수 있습니다.
여러 데이터 소스와 호환워드, 슬라이드, 엑셀, 텍스트, 이미지, 스캔, 구조화된 데이터, 웹 페이지 등을 지원합니다.
RAG 워크플로 자동화개인 및 대기업을 위한 원활한 RAG 오케스트레이션, 다중 리콜 및 재주문 지원.
직관적인 API비즈니스 시스템과의 원활한 통합을 촉진합니다.

도움말 사용

설치 프로세스

시스템 요구 사항::
- CPU: 최소 4개 코어
- 메모리: 16GB 이상
- 하드 드라이브: 50GB 이상
- Docker: 버전 24.0.0 이상
- Docker Compose: 버전 v2.26.1 이상
Docker 설치::
- Windows, Mac 또는 Linux 사용자는 Docker 설치 가이드를 참조하세요.
RAGFlow 리포지토리 복제하기::

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

Docker 이미지 구축::
- 임베디드 모델의 미러가 포함되어 있지 않습니다:
```
 docker build -t ragflow .
```
- 임베디드 모델의 미러 이미지를 포함합니다:
```
 docker build -f Dockerfile.deps -t ragflow .
```
서비스 시작::

   docker-compose up

사용 가이드라인

구성::
- 존재conf디렉터리에서 구성 파일을 수정하고 데이터 소스 경로, 모델 매개 변수 등을 설정합니다.
서비스 시작::
- 위의 명령어를 사용하여 서비스를 시작한 후 API를 통해 서비스와 상호 작용할 수 있습니다.
주요 기능::
- 문서 업로드: 처리할 문서를 지정된 디렉터리에 업로드합니다.
- 데이터 처리시스템이 문서에서 지식을 자동으로 덩어리로 묶고, 구문 분석하고, 추출합니다.
- 질문 및 답변 시스템API를 통해 질문을 보내면 시스템이 문서 내용을 기반으로 답변을 생성하고 인용문을 제공합니다.
샘플 작업::
- Word 문서를 업로드합니다: bash curl -F "file=@/path/to/document.docx" http://localhost:8000/upload
- 질문: 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