README_ru.md
</a>
<a href="https://cloud.ragflow.io" target="_blank">
</a>
<a href="https://hub.docker.com/r/infiniflow/ragflow" target="_blank">
</a>
<a href="https://github.com/infiniflow/ragflow/releases/latest">
</a>
<a href="https://github.com/infiniflow/ragflow/blob/main/LICENSE">
</a>
<a href="https://deepwiki.com/infiniflow/ragflow">
</a>
RAGFlow — ведущий open-source движок Retrieval-Augmented Generation (RAG), который объединяет передовые возможности RAG с агентными технологиями и создаёт качественный контекстный слой для больших языковых моделей. Он предлагает понятный и масштабируемый RAG-пайплайн, подходящий как для небольших проектов, так и для крупных компаний. Благодаря объединённому движку контекста и готовым шаблонам агентов RAGFlow позволяет разработчикам быстро превращать сложные данные в высокоточные production-ready AI-системы.
Попробуйте облачную версию: https://cloud.ragflow.io.
<div align="center" style="margin-top:20px;margin-bottom:20px;"> </div>⭐️ Поставьте звезду репозиторию, чтобы не пропускать новые возможности и улучшения. Получайте уведомления о релизах!
<div align="center" style="margin-top:20px;margin-bottom:20px;"> </div>[!TIP] Если Docker ещё не установлен (Windows, Mac или Linux), см. Install Docker Engine.
Убедитесь, что vm.max_map_count ≥ 262144:
Проверить текущее значение:
bashsysctl vm.max_map_countЕсли значение меньше 262144, установите:
bashsudo sysctl -w vm.max_map_count=262144Чтобы изменение сохранилось после перезагрузки, добавьте в /etc/sysctl.conf:
bashvm.max_map_count=262144
Клонируйте репозиторий:
git clone https://github.com/infiniflow/ragflow.git
Запустите сервер с помощью готовых Docker-образов:
[!CAUTION] Все образы собраны под x86. Образов для ARM64 пока нет. Если вы на ARM64, следуйте этому руководству, чтобы собрать образ самостоятельно.
Команда ниже скачивает образ
v0.27.1. Чтобы использовать другую версию, изменитеRAGFLOW_IMAGEв файле docker/.env перед запуском.
cd ragflow/docker
git checkout v0.27.1
# Опционально: используйте стабильный тег (см. релизы)
# Это гарантирует, что entrypoint.sh соответствует версии образа.
# CPU-режим для DeepDoc:
docker compose -f docker-compose.yml up -d
# GPU-ускорение DeepDoc:
# sed -i '1i DEVICE=gpu' .env
# docker compose -f docker-compose.yml up -d
До версии
v0.22.0существовали образы с моделями эмбеддингов и slim-образы без них:
| Тег образа RAGFlow | Размер (ГБ) | Есть модели эмбеддингов? | Стабильный? |
|---|---|---|---|
| v0.21.1 | ≈9 | ✔️ | Стабильный релиз |
| v0.21.1-slim | ≈2 | ❌ | Стабильный релиз |
Начиная с
v0.22.0поставляется только slim-редакция, суффикс-slimбольше не используется.
Проверьте статус после запуска:
docker logs -f docker-ragflow-cpu-1
Успешный запуск выглядит так:
____ ___ ______ ______ __
/ __ \ / | / ____// ____// /____ _ __
/ /_/ // /| | / / __ / /_ / // __ \| | /| / /
/ _, _// ___ |/ /_/ // __/ / // /_/ /| |/ |/ /
/_/ |_|/_/ |_|\____//_/ /_/ \____/ |__/|__/
* Running on all addresses (0.0.0.0)
Если пропустить этот шаг и сразу открыть RAGFlow в браузере, может появиться ошибка
network abnormal— система ещё не полностью инициализировалась.
Откройте в браузере IP-адрес сервера и войдите в RAGFlow.
При стандартных настройках достаточно
http://IP_ВАШЕЙ_МАШИНЫ(порт 80 можно не указывать).
В файле service_conf.yaml.template выберите нужного провайдера LLM в user_default_llm и укажите API_KEY.
Подробнее: llm_api_key_setup.
Готово!
Основные файлы конфигурации:
SVR_HTTP_PORT, MYSQL_PASSWORD, MINIO_PASSWORD и др.).Подробное описание переменных и настроек есть в ./docker/README. Их можно использовать как
${ENV_VARS}вservice_conf.yaml.template.
Чтобы изменить HTTP-порт по умолчанию (80), в docker-compose.yml замените 80:80 на <ВАШ_ПОРТ>:80.
После изменений перезапустите контейнеры:
docker compose -f docker-compose.yml up -d
По умолчанию RAGFlow использует Elasticsearch. Чтобы перейти на Infinity:
Остановите все контейнеры:
docker compose -f docker/docker-compose.yml down -v
[!WARNING] Флаг
-vудалит volumes — существующие данные будут потеряны.
В файле docker/.env установите DOC_ENGINE=infinity.
Запустите контейнеры:
docker compose -f docker/docker-compose.yml up -d
[!WARNING] Переключение на Infinity на Linux/arm64 пока официально не поддерживается.
Образ занимает около 2 ГБ и рассчитывает на внешние LLM и сервисы эмбеддингов.
git clone https://github.com/infiniflow/ragflow.git
cd ragflow/
docker build --platform linux/amd64 -f Dockerfile -t infiniflow/ragflow:nightly .
Если вы за прокси:
docker build --platform linux/amd64 \
--build-arg http_proxy=http://YOUR_PROXY:PORT \
--build-arg https_proxy=http://YOUR_PROXY:PORT \
-f Dockerfile -t infiniflow/ragflow:nightly .
[!IMPORTANT] После первого клонирования один раз выполните из корня репозитория:
git config --local --unset core.hooksPath,uv tool install lefthookиlefthook install.
Установите uv (если ещё не установлен):
pipx install uv
Клонируйте репозиторий и установите зависимости:
git clone https://github.com/infiniflow/ragflow.git
cd ragflow/
uv sync --python 3.13
uv run python3 ragflow_deps/download_deps.py
git config --local --unset core.hooksPath
uv tool install lefthook
lefthook install
Запустите зависимости (MinIO, Elasticsearch, Redis, MySQL):
docker compose -f docker/docker-compose-base.yml up -d
Добавьте в /etc/hosts:
127.0.0.1 es01 infinity mysql minio redis sandbox-executor-manager
Если нет доступа к HuggingFace, укажите зеркало:
export HF_ENDPOINT=https://hf-mirror.com
Если в системе нет jemalloc:
# Ubuntu
sudo apt-get install libjemalloc-dev
# CentOS
sudo yum install jemalloc
# OpenSUSE
sudo zypper install jemalloc
# macOS
brew install jemalloc
Запустите бэкенд:
source .venv/bin/activate
export PYTHONPATH=$(pwd)
bash docker/launch_backend_service.sh
Установите зависимости фронтенда:
cd web
npm install
Запустите фронтенд:
npm run dev
После разработки остановите сервисы:
pkill -f "ragflow_server.py|task_executor.py"
См. Дорожную карту RAGFlow на 2026 год
RAGFlow развивается как open-source проект. Мы рады любым вкладам сообщества. Если хотите помочь — сначала ознакомьтесь с Contribution Guidelines.