ragflow
SHA-256RAGFlow는 오픈소스 RAG 엔진으로, 심층 문서 이해와 Agent 워크플로우를 결합하여 근거가 명확한 정확한 답변을 제공합니다. LangChain의 DIY 방식에 비해 RAGFlow는 시각적이고 바로 사용 가능한 엔터프라이즈급 플랫폼을 제공하며, 템플릿화된 슬라이싱으로 환각 현상과 구성 비용을 크게 줄입니다.
오픈소스 RAG 엔진, 심층 문서 이해 + Agent 워크플로우, 즉시 사용 가능, 답변에 근거를 확인할 수 있습니다.
주요 기능
- 깊은 문서 이해: 복잡한 형식의 PDF, Word, PPT에서 지식을 자동으로 추출하며, 스캔 문서와 이미지를 지원합니다.
- 템플릿 기반 청크 분할: 다양한 지능형 청크 분할 템플릿을 제공하며, 결과는 시각화·설명 가능하고 수동 개입을 지원합니다.
- 인용 추적 가능: 모든 응답에 핵심 인용 출처가 첨부되어 AI 환각을 효과적으로 줄입니다.
- 다양한 데이터 소스 호환: Word, Excel, 웹 페이지, 구조화 데이터, 클라우드 드라이브 등을 지원하여 데이터 사일로를 해소합니다.
- 자동화된 RAG 워크플로: 시각적 오케스트레이션, 다양한 검색 전략 + 퓨전 리랭킹을 지원하며, API로 간편하게 통합할 수 있습니다.
할 수 없는 것
- •공식 Docker 이미지는 x86 아키텍처만 지원하며, ARM64(예: Apple M 시리즈)는 직접 이미지를 빌드해야 하므로 과정이 번거롭습니다.
- •최초 시작 전에 반드시 vm.max_map_count ≥ 262144를 설정해야 합니다. 그렇지 않으면 Elasticsearch가 시작에 실패합니다.
- •코드 실행기(샌드박스)는 추가로 gVisor를 설치해야 합니다. 사용하지 않으려면 설치하지 않아도 되지만, 설치하지 않으면 해당 기능을 사용할 수 없습니다.
- •기본 시작은 CPU를 사용하므로 많은 PDF를 처리하면 느릴 수 있습니다. GPU 가속이 필요하면 .env 파일을 수정해야 합니다.
사용 사례
- 기업 지식 베이스 Q&A: 내부 문서 질의응답 시스템을 빠르게 구축하여 직원들이 자연어로 규정, 매뉴얼, 기술 자료를 조회할 수 있게 함
- 지능형 고객 서비스 및 콘텐츠 생성: 제품 문서, 도움말 센터를 기반으로 고객 서비스 어시스턴트를 구축하거나, 인용이 포함된 산업 조사 보고서를 생성
상세 설명
RAGFlow는 선도적인 오픈소스 검색 증강 생성(RAG) 엔진으로, 최첨단 RAG 기술과 Agent 기능을 깊이 통합하여 대규모 언어 모델(LLM)을 위한 더 우수한 컨텍스트 계층을 구축합니다. 다양한 규모의 기업에 적용할 수 있는 간결하고 유연한 RAG 워크플로우를 제공합니다. 핵심 장점으로는 심층 문서 이해 기반의 지식 추출(복잡한 형식의 비정형 데이터 처리 가능), 지능적이고 설명 가능한 템플릿 기반 청킹, 그리고 추적 가능한 인용 메커니즘을 통해 모델 환각을 효과적으로 줄입니다. LangChain이나 LlamaIndex와 같은 DIY 성향의 프레임워크에 비해, RAGFlow는 즉시 사용 가능한 엔터프라이즈급 플랫폼에 더 가깝습니다. 시각화 인터페이스, 문서 파싱, 자동화된 데이터 파이프라인을 내장하고 있어 배포 및 유지보수 비용이 크게 낮아지므로 프로덕션 환경에 더 적합합니다.
태그
시작하기
소프트웨어 설치
다운로드한 설치 프로그램을 더블 클릭하고 안내에 따르세요
공식 클라우드 서비스(cloud.ragflow.io)를 직접 사용하는 것을 권장합니다. 환경 설정이 필요 없으며, 가입만 하면 바로 체험할 수 있습니다.
로컬 배포를 원한다면: CPU ≥ 4코어, 메모리 ≥ 16GB, 디스크 ≥ 50GB를 확보하고, Docker 24+를 설치하세요.
저장소를 클론한 후 docker 디렉토리로 이동하여 docker compose -f docker-compose.yml up -d 를 실행하여 서비스를 시작하세요.
- 공식 클라우드 서비스(cloud.ragflow.io)를 직접 사용하는 것을 권장합니다. 환경 설정이 필요 없으며, 가입만 하면 바로 체험할 수 있습니다.
- 로컬 배포를 원한다면: CPU ≥ 4코어, 메모리 ≥ 16GB, 디스크 ≥ 50GB를 확보하고, Docker 24+를 설치하세요.
- 저장소를 클론한 후 docker 디렉토리로 이동하여 docker compose -f docker-compose.yml up -d 를 실행하여 서비스를 시작하세요.
SHA-256 체크섬 확인됨
GitHub 공식 Release 페이지에서 추출된 체크섬
SHA256 체크섬
639d67416f53effd2ace524d1eb751b58d822c45c67d6c9172db7d855e24c94c이 체크섬은 GitHub Release 페이지에서 추출되었습니다. 다운로드 후 파일 무결성을 확인하세요.
이 플랫폼의 모든 SHA-256 체크섬은 프로젝트의 공식 GitHub Release 페이지에서 추출되었으며, 어떠한 변경도 없습니다. GitHub Releases 페이지에서 직접 검증할 수 있습니다.
오픈소스 투명성
GitHub 소스 보기제거 정보
로컬 배포의 제거: ragflow/docker 디렉토리에서 docker compose -f docker-compose.yml down을 실행하여 컨테이너를 중지하고 삭제합니다. 데이터를 완전히 삭제하려면 docker volume prune을 추가로 실행하여 관련 데이터 볼륨을 삭제한 후, 마지막으로 ragflow 소스 디렉토리를 수동으로 삭제하면 됩니다.
추가 의존성 없음
다운로드 후 바로 사용 가능. 추가 런타임이 필요하지 않습니다.