RAGFlow RAG模块架构分析

RAGFlow 是一个基于深度文档理解的开源RAG引擎。本文重点分析 rag/ 目录下的核心架构，特别是传统RAG与GraphRAG的融合机制。

概述

RAGFlow 是一个基于深度文档理解的开源RAG引擎。本文重点分析 rag/ 目录下的核心架构，特别是传统RAG与GraphRAG的融合机制。

一、核心RAG管道架构

1.1 模块化管道设计

RAG管道采用基于组件的DAG工作流架构，位于 ragflow/rag/flow/

File → Parser → Splitter → Tokenizer → Extractor → Storage

1.2 核心组件

• Pipeline

  — flow/pipeline.py — 工作流编排器，管理组件执行顺序和进度追踪

• File

  — flow/file.py — 文档获取入口，处理元数据

• Parser

  — flow/parser/parser.py — 多格式文档解析（PDF、Word、Excel、PPT等）

• Splitter

  — flow/splitter/splitter.py — 文档切分，支持重叠和层次化

• Tokenizer

  — flow/tokenizer/tokenizer.py — 全文+向量双路索引

• Extractor

  — flow/extractor/extractor.py — LLM提取元数据（摘要、关键词、问题）

• HierarchicalMerger

  — flow/hierarchical_merger/hierarchical_merger.py — 树状文档结构组织

1.3 文档解析策略

解析器支持多种方法和格式：

• DeepDoc

  — 自定义布局感知解析

• MinerU

  — 高级OCR解析

• PaddleOCR

  — PaddleOCR引擎

• TCADP

  — 腾讯云API解析

• Vision

  — VLM模型解析

1.4 文档切分策略

位于 ragflow/rag/nlp/__init__.py

策略	描述
naive_merge	基于token的简单切分，支持重叠
带图片切分	保留图片关联的切分
层次切分	结构感知的层次化切分
树状切分	基于树结构的内容组织

1.5 索引与检索

• 全文索引

  (Full-text) — BM25/关键词匹配

• 向量索引

  (Embedding) — 语义相似度搜索

→ 融合 → 最终检索结果

二、检索机制详解

2.1 Dealer检索框架

位于 ragflow/rag/nlp/search.py

1. 混合搜索

   — 结合全文和向量搜索

2. 加权融合

   — 5% 文本相似度 + 95% 向量相似度

3. 重排序

   (可选) — 使用 rerank_id 指定的模型

4. TOC引导检索

   — 目录引导的上下文检索

5. 父子块检索

   — 展开父块包含子块

2.2 数据库引擎差异

引擎	融合实现
Elasticsearch	Boost-based fusion
Infinity	Atan标准化融合

三、GraphRAG架构

3.1 整体架构

位于 ragflow/rag/graphrag/

文档 → 实体关系提取 → NetworkX图构建 → 图合并 → 实体消解 → 社区检测

3.2 知识图谱构建

步骤1：子图生成

从文档存储获取chunks，使用 GeneralKGExt 或 LightKGExt 提取器，创建NetworkX图

步骤2：图合并

使用 graph_merge() 合并新旧图，更新所有节点的PageRank分数

步骤3：实体消解

(可选) 使用LLM判断是否合并重复实体

步骤4：社区检测

(可选) 使用Leiden算法进行社区发现，生成社区报告

3.3 实体关系提取

• General

  — Microsoft GraphRAG提示词，多轮提取

• Light

  — 简化提示词，token高效

3.4 图查询与检索

1. 查询重写

   — LLM提取实体和类型

2. 多路径检索

• 关键词实体向量搜索
• 按类型过滤 + PageRank排序
• 关系向量搜索
• N跳邻居探索

3. 评分排序

   — P(E|Q) = P(E) × P(Q|E) = PageRank × Similarity

4. 社区检索

四、RAG + GraphRAG融合机制

4.1 双检索器架构

向量检索器 (Dealer) 和 图检索器 (KGSearch) 并行工作，结果合并时图结果优先

4.2 融合策略

• 向量检索内部融合

  — Elasticsearch (Boost-based) / Infinity (Atan标准化)

• 图检索内部评分

  — 概率评分公式

• 跨模态融合

  — 图结果前置插入到位置0

4.3 配置参数

• use_kg

  — 启用图检索

• vector_similarity_weight

  — 关键词vs向量权重

• similarity_threshold

  — 最小相似度阈值

• rerank_id

  — 重排序模型

• top_n

  — 返回结果数量

五、架构优势与特性

核心优势

1. 模块化设计

   — 每个处理阶段是独立组件，易于扩展

2. 异步执行

   — 完整的async/await支持，并发处理

3. 多格式支持

   — 15+文档类型，专用解析器

4. 混合搜索

   — 关键词+向量搜索最优结合

5. 可扩展存储

   — 可插拔存储后端 (ES, Infinity等)

6. 双RAG融合

   — 向量RAG + 图RAG互补增强

7. 进度追踪

   — 实时进度更新回调

8. 多租户

   — 租户隔离和资源管理

高级特性

• RAPTOR

  — 递归抽象处理树

• Query Decomposition

  — 复杂查询分解

• Multi-source Retrieval

  — KB + Web + Graph

• Entity Resolution

  — 实体消解

• Community Detection

  — Leiden社区发现

• N-hop Traversal

  — 多跳关系推理

总结

RAGFlow的RAG架构通过以下方式实现高质量融合图谱的RAG能力：

1. 双检索器并行

   — 向量检索和图检索独立执行，各司其职

2. 互补增强

   — 向量检索提供语义匹配，图检索提供结构化关系推理

3. 位置优先融合

   — 图结果优先展示，确保关键实体关系信息不被淹没

4. 多层次检索

   — 支持实体、关系、社区多维度检索

5. 可配置融合

   — 通过权重和阈值灵活调整检索策略

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】