企业知识库的问答总答不到点子上？RAGFlow：93,302 星的 RAG 引擎

GitHub 仓库

infiniflow/ragflow

总 Stars

★ 93,302

主要语言

Go

查看 GitHub 项目

结论先行：RAGFlow 拿了 93,302 个 star，主语言 Go，Apache-2.0 开源，2026 年 11 月 1 日仍在推送，编辑精选常青项目。它是开源的检索增强生成（RAG）引擎：把企业文档切分、索引，让大模型基于检索内容回答，少凭空编造，fork 数 11,201。

它是什么

一个 RAG 平台：文档解析、切片、向量化、检索、问答流水线一套齐，支持多种文档格式。目标是给业务系统提供可落地的知识问答能力。

能干嘛

搭内部知识库问答：产品手册、制度文档、技术资料导进去，员工提问直接得到带出处的回答；也可以嵌进客服与搜索场景，先检索再回答，比直接问大模型更贴合自家资料。

RAGFlow 和直接问大模型有什么不一样？

差别在依据：直接问靠模型记忆，RAG 先从自家文档找依据再组织答案。它的 open issue 有 1,338 个，部署前先看硬件要求与模型配置，文档差先整文档，再调参数。

适合谁 / 注意点

适合企业 AI 团队、要做内部知识问答的开发者。注意：部署吃资源，先按文档配好向量库与模型再上线；回答质量取决于文档切片与索引，脏文档要先清洗。

站长点评：我挑它是因为星数与 fork 数都说明它已跑过不少真实落地。先拿一个部门的文档跑通问答闭环，再全公司铺开。

项目地址：https://github.com/infiniflow/ragflow