RAGFlow: 심층적인 문서 이해에 기반한 오픈 소스 RAG 엔진으로 효율적인 검색 강화 생성 워크플로우를 제공합니다.
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::
- 존재
conf
디렉터리에서 구성 파일을 수정하고 데이터 소스 경로, 모델 매개 변수 등을 설정합니다.
- 존재
- 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
- Word 문서를 업로드합니다:
© 저작권 정책
기사 저작권 AI 공유 서클 모두 무단 복제하지 마세요.
관련 문서
댓글 없음...