从零实现本地知识库问答——详解基于OCR和文本解析器的新一代RAG引擎：RAGFlow(含源码剖析)
内容提要
本文介绍了InfiniFlow开源RAGFlow解决方案，该解决方案包含了RAG系统的数据库和智能文档处理系统。RAGFlow允许用户上传和管理各种类型的文档，并通过AI模型实现智能文档处理。该系统具有多样化的文档处理功能，包括识别文档布局、处理表格和不同模板的文档。此外，RAGFlow还提供了可视化和可解释性的功能，让用户了解文档处理结果，并查看LLM生成答案的原文。
延伸解读
RAG系统的数据质量挑战
文章指出，许多RAG系统虽然借助LangChain等编排工具和向量数据库快速搭建，但未能解决数据本身的问题，导致复杂格式文档以混乱方式进入数据库，造成“Garbage In Garbage Out”。RAGFlow通过专用的智能文档处理系统，旨在将数据以正确格式入库，实现“Quality In Quality Out”，这提示读者在构建RAG时需优先关注数据预处理环节。
多路召回对RAG性能的重要性
文章强调，多路召回对RAG系统至关重要，即使最简易的知识库，缺乏多路召回也难以表现良好。因此，RAG系统的数据库需要具备多路召回能力，而非仅依赖简易的向量数据库。InfiniFlow为此提供了RAG专用数据库Infinity，以缓解数据召回问题。这提醒开发者在选型时不应忽视数据库的召回能力。
文档模板与行业需求的适配
RAGFlow针对不同行业和岗位的文档特点，提供了多种处理模板，如Q&A、Resume、Paper、Manual、Table、Book、Law及通用模板。文章举例说明，会计常处理凭证、发票和报表，HR面对简历，科研人员关注论文，这些文档结构和查询需求各异，因此处理方式也需不同。这种设计体现了对垂直场景的深入考量。
可解释性与用户干预的价值
RAGFlow强调智能文档处理的可视化和可解释性，允许用户查看文档解析结果，并点击定位到原文进行对比和修改。同时，系统让用户随时查看LLM生成答案所依据的原文，通过引用链接和悬停显示原文内容，甚至包含图表。这有助于消除幻觉，增强系统透明度，满足用户对黑箱系统的把控需求。
Q&A
RAGFlow是什么？
RAGFlow是InfiniFlow开源的RAG解决方案，包含数据库和智能文档处理系统，支持用户上传和管理各种类型的文档。
RAGFlow支持哪些文档类型？
RAGFlow支持多种文档类型，包括PDF、Word、PPT、Excel和TXT等。
RAGFlow的智能文档处理系统有什么特点？
RAGFlow的智能文档处理系统能够自动识别文档布局、处理表格和不同模板的文档，确保数据质量。
RAGFlow如何确保文档处理的可视化和可解释性？
RAGFlow提供文档处理结果的可视化，用户可以查看处理结果并与原文对比，增强透明度。
RAGFlow如何处理复杂格式的文档？
RAGFlow通过重新研发的智能文档理解系统，能够识别复杂格式文档的布局和内容，确保数据以正确格式进入数据库。
RAGFlow如何提高用户对LLM生成答案的信任度？
RAGFlow允许用户查看LLM生成答案所依据的原文，提供引用链接，增强系统的透明度和信任度。
