常见问题

关于通用功能、故障排除、使用说明等问题的答案。

---

• 通用功能
  • RAGFlow 与其他 RAG 产品相比有什么独特之处？
  • RAGFlow 完整版和 RAGFlow 精简版有什么区别？
  • 哪些嵌入模型可以本地部署？
  • 在哪里可以找到 RAGFlow 的版本？如何解读版本号？
  • 为什么不使用其他开源向量数据库作为文档引擎？
  • demo.ragflow.io 和本地部署的开源 RAGFlow 服务有什么区别？
  • 为什么 RAGFlow 解析文档比 LangChain 需要更长时间？
  • 为什么 RAGFlow 比其他项目需要更多资源？
  • RAGFlow 支持哪些架构或设备？
  • 您是否提供与第三方应用程序集成的 API？
  • 您是否支持流式输出？
  • 您是否支持通过 URL 分享对话？
  • 您是否支持多轮对话，将之前的对话作为当前查询的上下文？
  • AI 搜索和聊天之间的主要区别是什么？
• 故障排除
  • 如何从零开始构建 RAGFlow 镜像？
  • 无法访问 https://huggingface.co
  • MaxRetryError: HTTPSConnectionPool(host='hf-mirror.com', port=443)
  • WARNING: can't find /raglof/rag/res/borker.tm
  • network anomaly There is an abnormality in your network and you cannot connect to the server.
  • Realtime synonym is disabled, since no redis connection
  • 为什么我的文档解析在不到 1% 时停滞？
  • 为什么我的 PDF 解析在接近完成时停滞，而日志没有显示任何错误？
  • Index failure
  • 如何检查 RAGFlow 的日志？
  • 如何检查 RAGFlow 中每个组件的状态？
  • Exception: Can't connect to ES cluster
  • 无法启动 ES 容器并出现 Elasticsearch did not exit normally
  • {"data":null,"code":100,"message":"<NotFound '404: Not Found'>"}
  • Ollama - Mistral instance running at 127.0.0.1:11434 but cannot add Ollama as model in RagFlow
  • 您是否提供使用 DeepDoc 解析 PDF 或其他文件的示例？
  • FileNotFoundError: [Errno 2] No such file or directory
• 使用说明
  • 如何使用本地部署的 LLM 运行 RAGFlow？
  • 如何添加不支持的 LLM？
  • 如何将 RAGFlow 与 Ollama 集成？
  • 如何更改文件大小限制？
  • Error: Range of input length should be [1, 30000]
  • 如何获取用于与第三方应用程序集成的 API 密钥？
  • 如何升级 RAGFlow？
  • 如何将文档引擎切换到 Infinity？
  • 我上传的文件在 RAGFlow 镜像中存储在哪里？
  • 如何调整文档解析和嵌入的批处理大小？

通用功能

---

RAGFlow 与其他 RAG 产品相比有什么独特之处？

尽管大语言模型（LLM）在自然语言处理（NLP）方面取得了显著进展，但"垃圾进垃圾出"的现状仍未改变。作为回应，RAGFlow 相比其他检索增强生成（RAG）产品引入了两个独特功能。

• 细粒度文档解析：文档解析涉及图像和表格，您可以灵活地根据需要介入。
• 可追溯的答案，减少幻觉：您可以信任 RAGFlow 的响应，因为您可以查看支持它们的引用和参考文献。

---

RAGFlow 完整版和 RAGFlow 精简版有什么区别？

每个 RAGFlow 版本都提供两个版本：

• 精简版：不包含内置嵌入模型，在版本名称后添加 -slim 后缀标识。例如：infiniflow/ragflow:v0.20.5-slim
• 完整版：包含内置嵌入模型，版本名称后不添加后缀。例如：infiniflow/ragflow:v0.20.5

---

哪些嵌入模型可以本地部署？

RAGFlow 提供两个 Docker 镜像版本：v0.20.5-slim 和 v0.20.5：

• infiniflow/ragflow:v0.20.5-slim（默认）：不包含嵌入模型的 RAGFlow Docker 镜像。
• infiniflow/ragflow:v0.20.5：包含嵌入模型的 RAGFlow Docker 镜像，包括：
  • 内置嵌入模型：
    • BAAI/bge-large-zh-v1.5
    • maidalun1020/bce-embedding-base_v1
  • 在 RAGFlow UI 中选择后才会下载的嵌入模型：
    • 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

---

在哪里可以找到 RAGFlow 的版本？如何解读版本号？

您可以在 UI 的系统页面找到 RAGFlow 版本号：

如果您从源码构建 RAGFlow，版本号也会在系统日志中显示：

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

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

其中：

• v0.15.0：正式发布的版本。
• 50：自正式发布以来的 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：RAGFlow 完整版。
  • slim：不包含嵌入模型和 Python 包的 RAGFlow 版本。

---

为什么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 满足 RAGFlow 的混合搜索要求。大多数开源向量数据库对全文搜索的支持有限，稀疏嵌入无法替代全文搜索。此外，这些向量数据库缺乏 RAGFlow 必需的关键功能，如短语搜索和高级排序功能。

这些限制促使我们从零开始开发 Infinity，这是一个 AI 原生数据库。

---

demo.ragflow.io 和本地部署的开源 RAGFlow 服务有什么区别？

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

您可以部署开源 RAGFlow 服务并通过 Python 客户端或 RESTful API 调用它。但是，这在 demo.ragflow.io 上不受支持。

---

为什么 RAGFlow 解析文档比 LangChain 需要更长时间？

我们在文档预处理任务上投入了大量精力，如使用我们的视觉模型进行布局分析、表格结构识别和 OCR（光学字符识别）。这导致了额外的时间需求。

---

为什么 RAGFlow 比其他项目需要更多资源？

RAGFlow 有许多用于文档结构解析的内置模型，这解释了额外的计算资源需求。

---

RAGFlow 支持哪些架构或设备？

我们官方支持 x86 CPU 和 nvidia GPU。虽然我们也在 ARM64 平台上测试 RAGFlow，但我们不维护 ARM 的 RAGFlow Docker 镜像。如果您在 ARM 平台上，请按照此指南构建 RAGFlow Docker 镜像。

---

您是否提供与第三方应用程序集成的 API？

相应的 API 现已可用。有关更多信息，请参阅 RAGFlow HTTP API 参考 或 RAGFlow Python API 参考。

---

您是否支持流式输出？

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

Python：

• 创建聊天完成
• 与聊天助手对话
• 与代理对话

RESTful：

• 创建聊天完成
• 与聊天助手对话
• 与代理对话

---

您是否支持通过 URL 分享对话？

不，不支持此功能。

---

您是否支持多轮对话，将之前的对话作为当前查询的上下文？

是的，我们支持基于正在进行的对话的现有上下文来增强用户查询：

1. 在聊天页面上，悬停在所需的助手上方并选择编辑。
2. 在聊天配置弹出窗口中，点击提示引擎标签。
3. 开启多轮优化以启用此功能。

---

AI 搜索和聊天之间的主要区别是什么？

• AI 搜索：这是一个单轮 AI 对话，使用预定义的检索策略（加权关键词相似性和加权向量相似性的混合搜索）和系统的默认聊天模型。它不涉及高级 RAG 策略，如知识图谱、自动关键词或自动问题。检索到的块将列在聊天模型响应下方。
• AI 聊天：这是一个多轮 AI 对话，您可以定义检索策略（可以使用加权重排序分数来替换混合搜索中的加权向量相似性）并选择聊天模型。在 AI 聊天中，您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。检索到的块不会与答案一起显示。

在调试聊天助手时，您可以使用 AI 搜索作为参考来验证模型设置和检索策略。

---

故障排除

---

如何从零开始构建 RAGFlow 镜像？

请参阅构建 RAGFlow Docker 镜像。

无法访问 https://huggingface.co

本地部署的 RAGflow 默认从 Huggingface 网站 下载 OCR 和嵌入模块。如果您的机器无法访问此网站，会出现以下错误并且 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所有相关资源：

   cd ragflow/docker/
   docker compose down

2. 在 ragflow/docker/.env 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)

此错误表明您没有互联网访问权限或无法连接到 hf-mirror.com。请尝试以下操作：

1. 手动从 huggingface.co/InfiniFlow/deepdoc 下载资源文件到您的本地文件夹 ~/deepdoc。

2. 在 docker-compose.yml 中添加卷，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忽略。

---

network anomaly There is an abnormality in your network and you cannot connect to the server.

除非服务器完全初始化，否则您将无法登录 RAGFlow。运行 docker logs -f ragflow-server。

如果您的系统显示以下内容，则服务器已成功初始化：

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

 * Running on all addresses (0.0.0.0)
 * Running on http://127.0.0.1:9380
 * Running on http://x.x.x.x:9380
 INFO:werkzeug:Press CTRL+C to quit

---

Realtime synonym is disabled, since no redis connection

忽略此警告并继续。所有系统警告都可以忽略。

---

为什么我的文档解析在不到 1% 时停滞？

点击"解析状态"栏旁边的红色十字，然后重新启动解析过程以查看问题是否仍然存在。如果问题持续存在且您的 RAGFlow 是本地部署的，请尝试以下操作：

1. 检查 RAGFlow 服务器的日志以查看其是否正常运行：

   docker logs -f ragflow-server

2. 检查 task_executor.py 进程是否存在。

3. 检查您的 RAGFlow 服务器是否可以访问 hf-mirror.com 或 huggingface.com。

---

为什么我的 PDF 解析在接近完成时停滞，而日志没有显示任何错误？

点击"解析状态"栏旁边的红色十字，然后重新启动解析过程以查看问题是否仍然存在。如果问题持续存在且您的 RAGFlow 是本地部署的，解析过程可能由于内存不足而被终止。尝试通过增加 docker/.env 中的 MEM_LIMIT 值来增加内存分配。

note

确保重新启动 RAGFlow 服务器以使更改生效！

docker compose stop

docker compose up -d

---

Index failure

索引失败通常表示 Elasticsearch 服务不可用。

---

如何检查 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

   以下是示例结果：

   5bc45806b680   infiniflow/ragflow:latest     "./entrypoint.sh"        11 hours ago   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 hours ago   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 days ago     Up 16 seconds (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 weeks ago    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. 按照此文档检查 Elasticsearch 服务的健康状态。

重要

Docker 容器状态不一定反映服务的状态。即使相应的 Docker 容器正在运行，您也可能发现服务不健康。可能的原因包括网络故障、端口号错误或 DNS 问题。

---

Exception: Can't connect to ES cluster

1. 检查 Elasticsearch Docker 容器的状态：

   $ docker ps

   健康的 Elasticsearch 组件状态应如下所示：

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

2. 按照此文档检查 Elasticsearch 服务的健康状态。

重要

Docker 容器状态不一定反映服务的状态。即使相应的 Docker 容器正在运行，您也可能发现服务不健康。可能的原因包括网络故障、端口号错误或 DNS 问题。

3. 如果您的容器不断重启，请确保 vm.max_map_count >= 262144，如此 README 所述。如果您希望永久保留更改，需要在 /etc/sysctl.conf 中更新 vm.max_map_count 值。请注意，此配置仅适用于 Linux。

---

无法启动 ES 容器并出现 Elasticsearch did not exit normally

这是因为您忘记在 /etc/sysctl.conf 中更新 vm.max_map_count 值，并且系统重启后此值的更改被重置。

---

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

您的 IP 地址或端口号可能不正确。如果您使用默认配置，请在浏览器中输入 http://<您的机器IP>（不是 9380，不需要端口号！）。这应该可以工作。

---

Ollama - Mistral instance running at 127.0.0.1:11434 but cannot add Ollama as model in RagFlow

正确的 Ollama IP 地址和端口对于向 Ollama 添加模型至关重要：

• 如果您在 demo.ragflow.io 上，请确保托管 Ollama 的服务器具有公开可访问的 IP 地址。请注意，127.0.0.1 不是公开可访问的 IP 地址。
• 如果您本地部署 RAGFlow，请确保 Ollama 和 RAGFlow 在同一 LAN 中并且可以相互通信。

有关更多信息，请参阅部署本地 LLM。

---

您是否提供使用 DeepDoc 解析 PDF 或其他文件的示例？

是的，我们提供。请查看 rag/app 文件夹下的 Python 文件。

---

FileNotFoundError: [Errno 2] No such file or directory

1. 检查 MinIO Docker 容器的状态：

   $ docker ps

   健康的 Elasticsearch 组件状态应如下所示：

   cd29bcb254bc   quay.io/minio/minio:RELEASE.2023-12-20T01-00-02Z       "/usr/bin/docker-ent…"   2 weeks ago    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. 按照此文档检查 Elasticsearch 服务的健康状态。

重要

Docker 容器状态不一定反映服务的状态。即使相应的 Docker 容器正在运行，您也可能发现服务不健康。可能的原因包括网络故障、端口号错误或 DNS 问题。

---

使用说明

---

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。有关更多信息，请参阅这里。

---

如何添加不支持的 LLM？

如果您的模型目前不受支持但与 OpenAI 的 API 兼容，请在模型提供商页面上点击OpenAI-API-Compatible来配置您的模型：

---

如何将 RAGFlow 与 Ollama 集成？

• 如果 RAGFlow 是本地部署的，请确保您的 RAGFlow 和 Ollama 在同一 LAN 中。
• 如果您使用我们的在线演示，请确保您的 Ollama 服务器的 IP 地址是公开且可访问的。

有关更多信息，请参阅这里。

---

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。每个账户的文件总数没有上限。要更新此 1GB 文件大小限制：

• 在 docker/.env 中，取消注释 # MAX_CONTENT_LENGTH=1073741824，根据需要调整值，请注意 1073741824 表示 1GB 的字节数。
• 如果您在 docker/.env 中更新 MAX_CONTENT_LENGTH 的值，请确保相应地更新 nginx/nginx.conf 中的 client_max_body_size。

注意

不建议手动更改 32 文件批量上传限制。但是，如果您使用 RAGFlow 的 HTTP API 或 Python SDK 上传文件，32 文件批量上传限制会自动移除。

---

Error: Range of input length should be [1, 30000]

此错误发生是因为有太多块匹配您的搜索条件。尝试减少 TopN 并增加相似性阈值来解决此问题：

1. 点击页面顶部中间的聊天。
2. 右键点击所需的对话 > 编辑 > 提示引擎
3. 减少 TopN 和/或提高相似性阈值。
4. 点击确定确认您的更改。

---

如何获取用于与第三方应用程序集成的 API 密钥？

请参阅获取 RAGFlow API 密钥。

---

如何升级 RAGFlow？

有关更多信息，请参阅升级 RAGFlow。

---

如何将文档引擎切换到 Infinity？

要将文档引擎从 Elasticsearch 切换到 Infinity：

1. 停止所有正在运行的容器：

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

警告

-v 将删除所有 Docker 容器卷，现有数据将被清除。

2. 在 docker/.env 中，设置 DOC_ENGINE=${DOC_ENGINE:-infinity}

3. 重新启动您的 Docker 镜像：

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

---

我上传的文件在 RAGFlow 镜像中存储在哪里？

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

---

如何调整文档解析和嵌入的批处理大小？

您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处理大小。增加这些值可能会提高大规模数据处理的吞吐量，但也会增加内存使用量。请根据您的硬件资源调整它们。

---