刚刚逛 GitHub 的时候，发现了一个超火的开源项目。

RAGFlow 这个开源 RAG 引擎能让你的知识库活起来，现在已经获得了 60K 的 Star。

它是为个人或企业准备的 RAG 工作流神器。

RAG **（检索增强生成）**技术可以让 AI 大模型生成答案之前访问外部知识库，从而提高答案的相关性、准确性和时效性，并减少“幻觉”等问题。

公司里海量的文档、合同、报告堆在网盘或服务器里，想找点关键信息，要么大海捞针，要么问同事也说不清具体在哪份文件的哪一页。

RAGFlow 就是为了解决这些问题而生的。

01

项目简介

RAGFlow是一个开源的、强大的 RAG 引擎。

简单来说，它能让 AI 大模型变得更懂你公司的内部资料，回答问题时不再是凭空想象，而是基于你上传的真实文件，并且能「有理有据」地告诉你答案是从哪来的。

输出准确答案的同时提供关键信息所在的原文，并且支持你点击溯源，直接定位到原始文档的具体位置。

这大大降低了 AI 瞎编乱造问题，让答案更可信。

① 深度理解复杂文档

不只是文本，它能读懂各种格式：Word, PPT, Excel, PDF（包括扫描件）、图片、网页、TXT等。

市面上常见的文档格式它都能处理。

就算你上传的是扫描的合同、带表格的报告，它也能努力从中提取有用的信息。这得益于它的「深度文档理解」能力。

而且它能把大文档切成更小的、有逻辑的「知识块」。更棒的是，这个过程你还能看到甚至手动调整，确保切分得合理，让后续的问答更精准。

下面这个图，就是 RAGFlow 整个工作流程。

② RAG 工作流

看上面这个图，RAGFlow 提供了一套几乎「全自动」的 RAG 工作流程，从个人使用到大型企业都能支持。

你可以自由选择搭配不同的大语言模型（比如 OpenAI GPT-4o, 百度文心一言，火山方舟，DeepSeek，百川等）和向量模型。

它经过了优化，即使你的知识库非常大（无限上下”），也能快速找到关键信息。

02

如何部署

RAGFlow 推荐使用 Docker 来部署，对硬件要求不算特别高：

CPU：至少 4 核、内存：至少 16 GB、硬盘：至少 50 GB、软件：Docker (>=24.0.0) 和 Docker Compose (>= v2.26.1)

部署步骤在 README 里写得很清楚：

① 确保系统设置：

调整一个叫 vm.max_map_count 的系统参数，不小于 262144：。

② 克隆代码：

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

③ 一键启动：

进入 docker 目录，运行 docker compose -f docker-compose-CN.yml up -d 命令。

它会自动下载镜像并启动所有需要的服务（包括数据库、向量库等）。

④ 等待启动完成：

用 docker logs 命令查看日志，看到服务器成功启动的提示。

⑤ 登录配置：

在浏览器访问你的服务器 IP，首次登录后，需要在配置文件里填入你选择的大模型（如 OpenAI）的 API Key。

⑥ 开用：上传文档，开始智能问答吧。

大模型算是目前当之无愧最火的一个方向了，算是新时代的风口！有小伙伴觉得，作为新领域、新方向人才需求必然相当大，与之相应的人才缺乏、人才竞争自然也会更少，那转行去做大模型是不是一个更好的选择呢？是不是更好就业呢？是不是就暂时能抵抗35岁中年危机呢？

答案当然是这样，大模型必然是新风口！

那如何学习大模型 ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。但是具体到个人，只能说是：

最先掌握AI的人，将会比较晚掌握AI的人有竞争优势。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

但现在很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，基于此我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近100余次后，终于把整个AI大模型的学习路线完善出来！

在这个版本当中：

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型路线+学习教程已经给大家整理并打包分享出来, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全咨料，放心领取）👈

​

一、大模型经典书籍（免费分享）

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套大模型报告（免费分享）

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、大模型系列视频教程（免费分享）

四、2025最新大模型学习路线（免费分享）

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取

👉CSDN大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全资料，放心领取）👈

​