跳到主要内容

常见问题解答

关于通用功能、故障排除、使用方法等方面的问题回答。

通用功能​

RAGFlow与其它RAG产品有何不同？​

尽管大型语言模型（LLM）在自然语言处理（NLP）方面取得了显著进展，但“输入垃圾输出垃圾”的现状仍然未变。相比之下，RAGFlow 引入了两个独特的特性：

  • 精细文档解析：文档解析涉及图像和表格，并且您可以在需要时进行干预。
  • 可追溯的回答减少幻觉：您可以信任 RAGFlow 的回答，因为可以查看支持其回答的引用和支持材料。

RAGFlow 全功能版与轻量版有何不同？​

每个 RAGFlow 发行版本均有两个版本：

  • 轻量版：不包含内置嵌入模型，并在版本名后添加了“-slim”后缀。例如：infiniflow/ragflow:v0.20.3-slim
  • 全功能版：包含内置嵌入模型，且版本名称没有后缀。例如：infiniflow/ragflow:v0.20.3

哪些嵌入模型可以本地部署？​

RAGFlow 提供两个 Docker 镜像版本，“v0.20.3-slim”和“v0.20.3”：

  • infiniflow/ragflow:v0.20.3-slim（默认）：不包含嵌入模型的 RAGFlow Docker 镜像。
  • infiniflow/ragflow:v0.20.3：包括以下内置嵌入模型在内的 RAGFlow Docker 镜像：
    • 内置嵌入模型：
      • BAAI/bge-large-zh-v1.5
      • maidalun1020/bce-embedding-base_v1
    • 您在 RAGFlow UI 中选择后将下载的嵌入模型：
      • BAAI/bge-base-en-v1.5
      • BAAI/bge-large-en-v1.5
      • BAAI/bge-small-en-v1.5
      • BAAI/bge-small-zh-v1.5
      • jinaai/jina-embeddings-v2-base-en
      • jinaai/jina-embeddings-v2-small-en
      • nomic-ai/nomic-embed-text-v1.5
      • sentence-transformers/all-MiniLM-L6-v2

如何查看 RAGFlow 版本？如何解读版本号？​

您可以在 UI 的“系统”页面上找到 RAGFlow 版本号：

图片

如果您从源代码构建 RAGFlow，版本号也会出现在系统日志中：

        ____   ___    ______ ______ __               
       / __ \ /   |  / ____// ____// /____  _      __
      / /_/ // /| | / / __ / /_   / // __ \| | /| / /
     / _, _// ___ |/ /_/ // __/  / // /_/ /| |/ |/ / 
    /_/ |_|/_/  |_|\____//_/    /_/ \____/ |__/|__/                             

2025-02-18 10:10:43,835 INFO     1445658 RAGFlow version: v0.15.0-50-g6daae7f2 full

其中：

  • v0.15.0：官方发布的版本。
  • 50：自发布以来的 git 提交次数。
  • g6daae7f2：“g”是前缀，6daae7f2 是当前提交 ID 的前七个字符。
  • full/slim：RAGFlow 版本。
    • full：全功能版 RAGFlow。
    • slim：不包含嵌入模型和 Python 包的轻量版。

为何不使用其他开源向量数据库作为文档引擎？​

目前，只有 Elasticsearch 和 Infinity 符合 RAGFlow 的混合搜索需求。大多数开源向量数据库仅支持有限的全文搜索功能，并且稀疏嵌入不能替代全文搜索。此外，这些向量数据库缺乏关键特性，如短语搜索和高级排名能力。

由于这些限制，我们从头开发了 Infinity，即面向 AI 的数据库。

demo.ragflow.io 与本地部署的开源 RAGFlow 服务有何不同？​

demo.ragflow.io 展示了 RAGFlow Enterprise 的功能。其 DeepDoc 模型使用专有数据预训练，并提供更复杂的团队权限控制。本质上，demo.ragflow.io 是展示即将推出的 SaaS（软件即服务）产品的预览。

您可以部署开源的 RAGFlow 服务并通过 Python 客户端或 RESTful API 调用它。但这在 demo.ragflow.io 中不被支持。

为何 RAGFlow 解析文档的时间比 LangChain 更长？​

我们在文档预处理任务（如版面分析、表格结构识别和 OCR）中使用了视觉模型，这增加了额外的时间需求。

为什么 RAGFlow 需要更多的资源？​

RAGFlow 内置了一些用于解析文档结构的模型，这是需要更多计算资源的原因。

RAGFlow支持哪些架构或设备？​

我们官方支持x86 CPU和nvidia GPU。虽然我们也测试了RAGFlow在ARM64平台上的运行情况，但我们不维护针对ARM的RAGFlow Docker镜像。如果你使用的是ARM平台，请参考此指南构建一个RAGFlow Docker镜像。

你们提供用于与第三方应用程序集成的API吗？​

对应的API现在已经可用。更多信息请参见RAGFlow HTTP API 参考或RAGFlow Python API 参考。

RAGFlow支持流式输出吗？​

是的，我们支持。在聊天助手和代理中，默认启用了流式输出功能。请注意，您无法通过RAGFlow的UI关闭流式输出。要禁用响应中的流式输出，请使用RAGFlow的Python或RESTful API：

Python:

RESTful:

RAGFlow支持通过URL分享对话吗？​

不，此功能目前不受支持。

RAGFlow支持多轮对话，并根据先前的对话内容作为当前查询的上下文吗？​

是的，我们支持基于正在进行的会话中现有上下文来增强用户查询：

  1. 在聊天页面上，将鼠标悬停在所需的助手上方并选择编辑。
  2. 在弹出的聊天配置窗口中，点击提示引擎选项卡。
  3. 打开多轮优化开关以启用此功能。

AI搜索和AI聊天之间有何区别？​

  • AI搜索: 这是一个使用预定义检索策略（基于加权关键词相似度和向量相似度的混合搜索）并与系统默认聊天模型进行的一次性AI对话。它不涉及知识图谱、自动关键词或自动问题等高级RAG策略。检索到的块会列在聊天模型响应的下方。
  • AI聊天: 这是一个多轮AI对话，您可以定义自己的检索策略（可以使用加权重排分数来替换混合搜索中的向量相似度），并选择您的聊天模型。在AI聊天中，您还可以为特定情况配置高级RAG策略，如知识图谱、自动关键词和自动问题等。检索到的块不会与答案一同显示。

调试你的聊天助手时，你可以使用AI搜索作为参考来验证你设置中的模型参数和检索策略。

问题排查​

如何从零开始构建RAGFlow镜像？​

请参阅构建一个RAGFlow Docker镜像。

无法访问https://huggingface.co​

默认情况下，本地部署的RAGflow会从Huggingface网站下载OCR和嵌入模块。如果您的机器无法访问该站点，则会发生以下错误，并且PDF解析失败：

FileNotFoundError: [Errno 2] No such file or directory: '/root/.cache/huggingface/hub/models--InfiniFlow--deepdoc/snapshots/be0c1e50eef6047b412d1800aa89aba4d275f997/ocr.res'

要解决此问题，请使用https://hf-mirror.com

  1. 停止所有容器并删除相关资源：

    cd ragflow/docker/
    docker compose down

  2. 在ragflow/docker/.env文件中取消注释以下行：

    # HF_ENDPOINT=https://hf-mirror.com

  3. 启动服务器：

    docker compose up -d

MaxRetryError: HTTPSConnectionPool(host='hf-mirror.com', port=443)​

此错误表明您的设备无法访问Internet或无法连接到hf-mirror.com。请尝试以下操作：

  1. 从huggingface.co/InfiniFlow/deepdoc手动下载资源文件并将其保存在本地文件夹~/deepdoc中。

  2. 在docker-compose.yml文件中添加挂载，例如：

    - ~/deepdoc:/ragflow/rag/res/deepdoc

WARNING: can't find /raglof/rag/res/borker.tm​

忽略此警告并继续。所有系统警告都可以被忽略。

网络异常​

您的网络存在异常情况，无法连接到服务器。

anomaly

除非您的服务器完全初始化，否则您无法登录RAGFlow。运行 docker logs -f ragflow-server。

如果您的系统显示以下信息，则表示服务器成功初始化：

     ____   ___    ______ ______ __               
    / __ \ /   |  / ____// ____// /____  _      __
   / /_/ // /| | / / __ / /_   / // __ \| | /| / /
  / _, _// ___ |/ /_/ // __/  / // /_/ /| |/ |/ / 
 /_/ |_|/_/  |_|\____//_/    /_/ \____/ |__/|__/  

 * 正在所有地址上运行（0.0.0.0）
 * 正在 http://127.0.0.1:9380 上运行
 * 正在 http://x.x.x.x:9380 上运行
 INFO:werkzeug:按CTRL+C退出

实时同义词功能已禁用，因为没有 Redis 连接​

忽略此警告并继续。可以忽略系统中的所有警告信息。

为什么我的文档解析停滞在不到百分之一？​

stall

点击“解析状态”栏旁的红色叉号，然后重新启动解析过程以检查问题是否仍然存在。如果问题持续且您的 RAGFlow 部署在本地，请尝试以下操作：

  1. 检查 RAGFlow 服务器的日志，确认其正常运行：

    docker logs -f ragflow-server

  2. 确认 task_executor.py 进程是否存在。

  3. 确认您的 RAGFlow 服务器能否访问 hf-mirror.com 或 huggingface.com。

为什么我的 PDF 解析在接近完成时停滞，而日志中没有显示任何错误？​

点击“解析状态”栏旁的红色叉号，然后重新启动解析过程以检查问题是否仍然存在。如果问题持续且您的 RAGFlow 部署在本地，则解析进程可能是由于内存不足被杀死的。尝试通过增加 docker/.env 中 MEM_LIMIT 的值来增加内存分配。

备注

请确保重启您的 RAGFlow 服务器以使更改生效！

docker compose stop
docker compose up -d

nearcompletion

索引失败​

索引失败通常表示 Elasticsearch 服务不可用。

如何查看 RAGFlow 的日志？​

tail -f ragflow/docker/ragflow-logs/*.log

如何检查 RAGFlow 中每个组件的状态？​

  1. 检查 Elasticsearch Docker 容器的状态：

    $ docker ps

    以下是一个示例结果：

    5bc45806b680   infiniflow/ragflow:latest     "./entrypoint.sh"        11 小时前       Up 11 hours               0.0.0.0:80->80/tcp, :::80->80/tcp, 0.0.0.0:443->443/tcp, :::443->443/tcp, 0.0.0.0:9380->9380/tcp, :::9380->9380/tcp   ragflow-server
    91220e3285dd   docker.elastic.co/elasticsearch/elasticsearch:8.11.3   "/bin/tini -- /usr/l…"   11 小时前       Up 11 hours (healthy)     9300/tcp, 0.0.0.0:9200->9200/tcp, :::9200->9200/tcp           ragflow-es-01
    d8c86f06c56b   mysql:5.7.18        "docker-entrypoint.s…"   7 天前          Up 16 秒 (healthy)       0.0.0.0:3306->3306/tcp, :::3306->3306/tcp     ragflow-mysql
    cd29bcb254bc   quay.io/minio/minio:RELEASE.2023-12-20T01-00-02Z       "/usr/bin/docker-ent…"   2 周前          Up 11 hours      0.0.0.0:9001->9001/tcp, :::9001->9001/tcp, 0.0.0.0:9000->9000/tcp, :::9000->9000/tcp     ragflow-minio

  2. 参阅 此文档 检查 Elasticsearch 服务的健康状况。

重要

Docker 容器状态并不一定反映服务的状态。您可能会发现即使相应的 Docker 容器正在运行，您的服务仍然处于不健康状态。造成这种情况的原因可能包括网络故障、端口号配置错误或 DNS 问题。

异常: 无法连接到ES集群​

  1. 检查Elasticsearch Docker容器的状态：

    $ docker ps

    健康状态的Elasticsearch组件应该如下所示：

    91220e3285dd   docker.elastic.co/elasticsearch/elasticsearch:8.11.3   "/bin/tini -- /usr/l…"   11小时前   Up 11小时 (healthy)     9300/tcp, 0.0.0.0:9200->9200/tcp, :::9200->9200/tcp           ragflow-es-01

  2. 参考此文档检查Elasticsearch服务的健康状态。

重要事项

Docker容器的状态不一定反映服务的状态。即使相应的Docker容器正在运行，您的服务可能仍然不健康。这种情况的原因可能是网络故障、端口号配置错误或DNS问题。

  1. 如果您的容器不断重启，请确保vm.max_map_count >= 262144，具体操作请参阅此README。如果您希望永久保留更改，则需要在**/etc/sysctl.conf**中更新vm.max_map_count值。请注意，该配置仅适用于Linux。

无法启动ES容器并收到 Elasticsearch did not exit normally​

这是因为您忘记了在**/etc/sysctl.conf**中更新vm.max_map_count的值，并且系统重启后更改被重置了。

{ "data": null, "code": 100, "message": "<NotFound '404: Not Found'>"}​

您的IP地址或端口号可能不正确。如果您使用的是默认配置，请在浏览器中输入http://<您机器的IP地址>（不是9380，并且不需要端口号！）。这应该可以解决问题。

Ollama - Mistral实例运行于127.0.0.1:11434但无法将Ollama添加为RagFlow模型​

正确的Ollama IP地址和端口对于在Ollama中添加模型至关重要：

  • 如果您使用的是demo.ragflow.io，请确保托管Ollama的服务器具有公开访问的IP地址。请注意，127.0.0.1不是一个公共可访问的IP地址。
  • 如果您本地部署RAGFlow，请确保Ollama和RAGFlow在同一局域网内，并且能够相互通信。

更多详情请参阅在本地部署LLM。

您能提供使用DeepDoc解析PDF或其他文件的示例吗？​

是的，我们有。请查看rag/app目录下的Python文件。

FileNotFoundError: [Errno 2] No such file or directory​

  1. 检查MinIO Docker容器的状态：

    $ docker ps

    健康状态的Elasticsearch组件应该如下所示：

    cd29bcb254bc   quay.io/minio/minio:RELEASE.2023-12-20T01-00-02Z       "/usr/bin/docker-ent…"   两周前    Up 11小时      0.0.0.0:9001->9001/tcp, :::9001->9001/tcp, 0.0.0.0:9000->9000/tcp, :::9000->9000/tcp     ragflow-minio

  2. 参考此文档检查Elasticsearch服务的健康状态。

重要事项

Docker容器的状态不一定反映服务的状态。即使相应的Docker容器正在运行，您的服务可能仍然不健康。这种情况的原因可能是网络故障、端口号配置错误或DNS问题。

使用方法​

如何使用本地部署的LLM运行RAGFlow？​

您可以使用Ollama或Xinference来部署本地LLM。更多信息请参阅此处。

如何添加不受支持的LLM？​

如果您的模型目前不受支持，但其API与OpenAI兼容，请在Model providers页面上点击 OpenAI-API-Compatible来配置您的模型：

openai-api-compatible

如何将RAGFlow与Ollama集成？​

  • 如果您本地部署了RAGFlow，请确保您的RAGFlow和Ollama在同一局域网内。
  • 如果您使用的是我们的在线演示，那么请确保您的Ollama服务器的IP地址是公开可访问的。

更多信息请参阅此处。

如何更改文件大小限制？​

对于本地部署的RAGFlow：每次上传的总文件大小限制为1GB，批量上传限制为32个文件。没有单个账号内的总文件数量上限。要更新此1GB文件大小限制：

  • 在 docker/.env 文件中取消注释 # MAX_CONTENT_LENGTH=1073741824，根据需要调整数值，并注意 1073741824 代表的是1GB字节。
  • 如果你在 docker/.env 中更新了 MAX_CONTENT_LENGTH 的值，请确保相应地在 nginx/nginx.conf 中更新 client_max_body_size。
注意

手动更改批量上传限制为32文件的数值不被推荐。然而，如果你使用RAGFlow的HTTP API或Python SDK进行文件上传，则此32文件的批量上传限制将自动移除。

错误：输入长度范围应为 [1, 30000]​

此错误发生的原因是与你的搜索标准匹配的块太多。尝试降低 TopN 并增加 Similarity threshold 来解决这个问题：

  1. 点击页面顶部中间的“Chat”。
  2. 右键点击所需的对话 > “编辑” > “Prompt engine”
  3. 减少 TopN 和/或提高 Similarity threshold。
  4. 单击“确定”以确认更改。

topn

如何为第三方应用程序获取API密钥？​

参见 获取RAGFlow API密钥。

如何升级RAGFlow？​

有关更多详细信息，请参阅 升级RAGFlow。

如何将文档引擎切换到Infinity？​

要从Elasticsearch切换为Infinity：

  1. 停止所有运行中的容器：

    $ docker compose -f docker/docker-compose.yml down -v
警告

使用 -v 选项将删除所有的Docker容器卷，并清除现有的数据。

  1. 在 docker/.env 文件中设置 DOC_ENGINE=${DOC_ENGINE:-infinity}

  2. 重启你的Docker镜像：

    $ docker compose -f docker-compose.yml up -d

我上传的文件在RAGFlow的图像中存储在哪里？​

所有上传的文件都存放在Minio，这是RAGFlow的对象存储解决方案。例如，如果你直接将文件上传到知识库，则它位于 <knowledgebase_id>/filename。

如何调整批量大小以优化文档解析和嵌入？​

你可以通过设置环境变量 DOC_BULK_SIZE 和 EMBEDDING_BATCH_SIZE 来控制文档解析和嵌入的批量大小。增加这些值可能会提高大规模数据处理的速度，但也会增加内存使用量。请根据你的硬件资源进行调整。