Chuyển đến nội dung

infiniflow / ragflow

RAGFlow

Nền tảng tự cài giúp AI trả lời dựa trên tài liệu của bạn, có trích dẫn nguồn.

RAGFlow là engine RAG (truy xuất tài liệu rồi để mô hình ngôn ngữ trả lời) mã nguồn mở, kết hợp khả năng hiểu sâu tài liệu phức tạp với tính năng Agent. Bạn nạp PDF, Word, Excel, ảnh scan vào, rồi hỏi đáp và nhận câu trả lời có trích dẫn. Phù hợp doanh nghiệp nhỏ và đội kỹ thuật, cần Docker và máy cấu hình khá.

  • 94.209 sao
  • 11.331 fork
  • Go
  • Cập nhật hôm nay
  • Apache 2.0 (dùng tự do, kể cả thương mại)
Độ khó
Vừa Cần gõ vài lệnh hoặc dùng Docker
Dạng
Web tự cài (self-host)
Chạy trên
Docker, Linux, Web
Chi phí
Miễn phí (trả phí API AI nếu dùng)

Trải nghiệm khi dùng RAGFlow

Sau khi khởi động xong bằng Docker, bạn mở trình duyệt, đăng ký tài khoản và tạo một kho kiến thức (knowledge base). Bạn tải lên hợp đồng, quy trình nội bộ, catalogue sản phẩm. Hệ thống đọc từng tài liệu, chia thành các đoạn và cho bạn xem trực quan cách chia, nếu cần có thể can thiệp bằng tay.

Sau đó bạn tạo một trợ lý trò chuyện, gắn kho kiến thức vào và hỏi như hỏi nhân viên: câu trả lời kèm trích dẫn đến đúng đoạn tài liệu, giúp bạn kiểm tra lại thay vì tin mù quáng. RAGFlow còn có chế độ tìm nhiều bước cho câu hỏi phức tạp, với các mức Low, Medium, High, Ultra.

Điều cần chuẩn bị là nó không có sẵn mô hình AI để trả lời. Bạn phải thêm một mô hình ngôn ngữ, mô hình embedding và reranker, bằng cách nhập tên mô hình, địa chỉ dịch vụ và khoá API ở trang nhà cung cấp. Chọn dịch vụ trả phí hay mô hình chạy tại chỗ là quyết định của bạn.

Tính năng nổi bật

Hiểu tài liệu phức tạp

Rút thông tin từ file có bố cục khó như bảng, nhiều cột, ảnh scan thay vì chỉ cắt chữ thô.

Chia đoạn theo mẫu

Có nhiều mẫu chia đoạn dễ giải thích, và có thể xem trực quan để chỉnh tay.

Trích dẫn nguồn rõ ràng

Câu trả lời dẫn về đoạn tài liệu gốc để bạn kiểm chứng và giảm hiện tượng AI bịa.

Nhiều loại dữ liệu

Word, PowerPoint, Excel, TXT, ảnh, PDF, bản scan, dữ liệu có cấu trúc và trang web.

Tìm kiếm nhiều bước (Agentic)

Mô hình tự chia nhỏ câu hỏi, tìm nhiều vòng và kiểm tra bằng chứng; chọn mức suy nghĩ từ thấp đến cao.

API tích hợp

Cung cấp API để nối vào hệ thống nghiệp vụ có sẵn của công ty.

Tận dụng RAGFlow vào việc gì?

Doanh nghiệp nhỏ, phòng nhân sự

Trợ lý hỏi đáp tài liệu nội bộ

Nhân viên hỏi về quy chế, quy trình và nhận câu trả lời kèm trích dẫn từ tài liệu công ty.

Chủ shop, đội CSKH

Hỗ trợ chăm sóc khách hàng

Nạp catalogue, chính sách đổi trả để chatbot trả lời khách đúng theo tài liệu.

Pháp chế, kế toán

Tra cứu hợp đồng, báo cáo dài

Hỏi nhanh điều khoản hoặc con số nằm sâu trong hàng trăm trang.

Lập trình viên

Xây thử nghiệm RAG cho dự án

Dùng làm nền để thử các chiến lược chia đoạn, embedding và rerank trước khi triển khai thật.

Cần chuẩn bị gì?

  • Cấu hình khởi điểm khuyến nghị: 4 nhân CPU, 16 GB RAM và 50 GB ổ cứng trống; nhu cầu thật còn tuỳ lượng tài liệu và số người dùng.
  • Docker từ 24.0.0 và Docker Compose từ v2.26.1.
  • Nếu dùng Elasticsearch trên Linux: đặt vm.max_map_count tối thiểu 262144.
  • Tài khoản và khoá API của nhà cung cấp mô hình (hoặc mô hình chạy tại chỗ) cho LLM, embedding và reranker.

Hướng dẫn cài đặt chi tiết

Cài trên Docker

  1. Cài Docker và Docker Compose. Nếu dùng Elasticsearch trên Linux, kiểm tra vm.max_map_count và đặt lại nếu thấp hơn 262144.

    Terminal
    sysctl vm.max_map_count
    sudo sysctl -w vm.max_map_count=262144
  2. Clone repo và vào thư mục docker.

    Terminal
    git clone https://github.com/infiniflow/ragflow.git
    cd ragflow/docker
  3. Chọn bản phát hành ổn định theo README (hiện là v1.0.0) rồi khởi động các dịch vụ.

    Terminal
    git checkout v1.0.0
    docker compose -f docker-compose.yml up -d
  4. Kiểm tra máy chủ đã sẵn sàng; nhận mã HTTP 200 là xong.

    Terminal
    curl -f http://localhost/api/v1/system/healthz
  5. Mở trình duyệt vào địa chỉ máy bạn (với cấu hình mặc định không cần ghi cổng vì dùng cổng 80), đăng nhập và vào trang nhà cung cấp mô hình để thêm LLM, embedding, reranker cùng khoá API.

Dùng thử lần đầu

  1. Mở trang web, tạo tài khoản và đăng nhập.

  2. Vào trang nhà cung cấp mô hình, nhập tên mô hình, địa chỉ dịch vụ và khoá API (YOUR_API_KEY của dịch vụ bạn chọn) cho LLM, embedding và reranker.

  3. Tạo kho kiến thức mới, tải lên vài file PDF hoặc Word thử, chờ hệ thống đọc xong.

  4. Xem trực quan các đoạn đã chia để kiểm tra chất lượng, chỉnh nếu thấy cắt sai.

  5. Tạo trợ lý trò chuyện, gắn kho kiến thức vào và hỏi vài câu, bấm vào các trích dẫn để đối chiếu tài liệu gốc.

    Terminal
    docker logs --tail 50 ragflow-cpu

Mẹo dùng hay

  • Nếu khởi động lỗi, lệnh docker logs ở bước trên cho xem 50 dòng nhật ký cuối của container để tìm nguyên nhân.
  • Đổi cổng, mật khẩu hoặc công cụ lưu chỉ mục bằng file docker/.env và docker-compose.yml theo tài liệu cấu hình Docker của repo.
  • Bắt đầu với vài chục tài liệu thử để chỉnh cách chia đoạn trước khi nạp cả kho tài liệu lớn.

Lưu ý và hạn chế

  • RAGFlow không tự đi kèm mô hình AI trả lời: bạn phải cấu hình mô hình và khoá API, có thể tốn phí nếu dùng dịch vụ trả phí.
  • README ghi rõ trong bản 1.0 mã nguồn mở, DeepDoc chạy suy luận bằng CPU cho phân tích bố cục, OCR và nhận dạng bảng; tài liệu lớn sẽ xử lý chậm.
  • Đây là hệ thống nhiều thành phần; để dùng thật cho cả công ty bạn cần quan tâm sao lưu, bảo mật tài khoản và không mở cổng ra Internet khi chưa có bảo vệ.

Câu hỏi thường gặp

RAGFlow có miễn phí không?

Phần mềm tự cài miễn phí theo giấy phép Apache 2.0. Chi phí phát sinh khi bạn dùng API của dịch vụ AI trả phí, hoặc nếu chọn bản đám mây của họ.

Có dùng được tiếng Việt không?

Khả năng tiếng Việt phụ thuộc vào mô hình embedding và mô hình ngôn ngữ bạn chọn. README không nêu bảng ngôn ngữ riêng, nên hãy thử với tài liệu thật.

Máy cá nhân chạy nổi không?

README khuyến nghị khởi điểm 4 nhân CPU, 16 GB RAM, 50 GB ổ cứng trống. Máy yếu hơn có thể chạy được nhưng chậm, nhất là khi phân tích tài liệu.

Tải mã nguồn về máy

Nếu bạn muốn xem hoặc sửa mã nguồn, mở Terminal (trên Windows là PowerShell) và chạy lệnh dưới. Máy cần cài sẵn Git.

Terminal
git clone https://github.com/infiniflow/ragflow.git

Repo tương tự nên xem

Trợ lý & chat AI68,3K

AnythingLLM

Mintplex-Labs / anything-llm

Ứng dụng AI tất-cả-trong-một: chat với tài liệu của bạn, dùng agent, chạy cục bộ hoặc nối mô hình đám mây

DễWindowsmacOSLinuxDocker+1
AI Agent & tự động hoá161K

Dify

langgenius / dify

Nền tảng kéo thả để dựng ứng dụng AI, chatbot hỏi đáp tài liệu và quy trình tự động, tự cài bằng Docker

VừaDockerWebLinuxWindows+1
Tài liệu, OCR & hỏi đáp tri thức40,7K

LightRAG

HKUDS / LightRAG

Hệ thống RAG đơn giản và nhanh dựa trên đồ thị tri thức, kèm máy chủ và giao diện web để hỏi đáp tài liệu

KhóWindowsmacOSLinuxDocker+1

Nội dung được biên soạn bằng tiếng Việt dựa trên tài liệu chính thức của dự án, cập nhật lần cuối 16/11/2026. Lệnh cài có thể thay đổi theo phiên bản mới; nếu có khác biệt, hãy làm theo README trên GitHub.

Cùng chủ đề: Tài liệu, OCR & hỏi đáp tri thức

Tài liệu, OCR & hỏi đáp tri thức196K

MarkItDown

microsoft / markitdown

Công cụ của Microsoft đổi PDF, Word, Excel, PowerPoint và nhiều file khác thành Markdown cho AI đọc.

VừaWindowsmacOSLinuxPython
Tài liệu, OCR & hỏi đáp tri thức96,8K

Stirling PDF

Stirling-Tools / Stirling-PDF

Bộ hơn 50 công cụ PDF: gộp, tách, ký, che thông tin, nén, OCR, chạy trên máy hoặc tự cài.

DễWindowsmacOSLinuxDocker+1
Tài liệu, OCR & hỏi đáp tri thức92,7K

PaddleOCR

PaddlePaddle / PaddleOCR

Bộ công cụ OCR của Baidu: đọc chữ trong ảnh, PDF và đổi tài liệu thành Markdown hoặc JSON.

KhóWindowsmacOSLinuxPython
Tài liệu, OCR & hỏi đáp tri thức83,7K

MinerU

opendatalab / MinerU

Đọc PDF, ảnh scan và file Office rồi xuất Markdown, giữ bảng, công thức và bố cục phức tạp.

VừaWindowsmacOSLinuxDocker+1
Tài liệu, OCR & hỏi đáp tri thức77,5K

Tesseract OCR

tesseract-ocr / tesseract

Bộ máy nhận dạng chữ (OCR) mã nguồn mở đọc chữ từ ảnh scan, hỗ trợ hơn 100 ngôn ngữ

VừaWindowsmacOSLinux
Tài liệu, OCR & hỏi đáp tri thức70,6K

Docling

docling-project / docling

Chuyển PDF, Word, PowerPoint, Excel, HTML thành Markdown hoặc JSON gọn gàng để đưa cho AI đọc

VừaWindowsmacOSLinuxPython

Xem cả 22 repo Tài liệu, OCR & hỏi đáp tri thức Về Kho Repo