KnowFlow

基于 RAGFlow 的企业级 RAG 知识库平台

官网 · 视频教程 · 更新日志 · 加入社区

---

项目简介

KnowFlow 是基于 RAGFlow 深度优化的企业级开源知识库平台，专注于解决 RAG 从开源到生产落地的最后一公里问题。

当前适配 RAGFlow v0.20.5，在其基础上提供：

• 高精度文档解析 - 集成 MinerU / DOTS / PaddleOCR 多种 OCR 引擎，100% 坐标溯源精度
• 四种现代分块方法 - 智能 / 标题 / 正则 / 父子分块，基于 AST 语义分析
• 图文混排输出 - 图片、表格、公式在分块和回答中完整保留
• 企业级权限管理 - RBAC 权限控制、团队协作、管理员统一管控
• 开箱即用 - Docker Compose 一键部署，预配置管理员账户

---

目录

• 版本对比
• 系统架构
• 快速开始
• 功能展示
• 常见问题
• 许可证
• 社区与支持

---

版本对比

RAGFlow vs KnowFlow 社区版 vs KnowFlow 商业版

文档解析

功能	RAGFlow 开源版	KnowFlow 社区版	KnowFlow 商业版
DeepDOC 解析	✅	✅	✅
MinerU 解析	✅	✅ v2.5.4	✅ v3.1.1
DOTS 解析	❌	✅	❌
PaddleOCR 解析	✅	✅ 老版本	✅ v1.5
坐标溯源精度	~97%（OCR 匹配）	100%（block 映射）	100%
图文混排输出	基础支持，存在限制	✅ 图片/表格/公式完整保留	✅ 更稳定
20+ 文档格式	✅	✅（含 Gotenberg 转换）	✅ PPT/.docx 直接解析（非格式转换）

分块方法

功能	RAGFlow 开源版	KnowFlow 社区版	KnowFlow 商业版
原生分块（naive/paper/book/qa）	✅	✅ 全部继承	✅
智能分块（Smart）	❌	✅ AST 语义分析	✅ 全面优化
标题分块（Title）	❌	✅ 按标题层级划分	✅ 层级筛选 + 标题自动补充
正则分块（Regex）	❌	✅ 自定义正则	✅ 层级筛选优化
父子分块（Parent-Child）	✅	✅ 双层嵌套检索	✅ 支持预览和编辑
Page 分块	❌	❌	✅ 单独支持
Markdown 预览与编辑	❌	❌	✅ OCR 后可预览编辑
分块 Markdown 渲染	纯文本	✅ 标题/公式/列表	✅

检索与问答

功能	RAGFlow 开源版	KnowFlow 社区版	KnowFlow 商业版
向量数据库	Elasticsearch	Elasticsearch	✅ Milvus
向量检索	✅	✅	✅
混合检索	✅ ES BM25	✅ ES BM25	✅ 统一分词优化 Milvus BM25
多模态内容理解	基础支持	✅	✅ VLM 图片描述增强
Agentic RAG 深度阅读	❌	❌	✅ locate-then-read
ColPali 多模态检索	❌	❌	✅
Agent 工作流	✅	✅	✅

企业管理与集成

功能	RAGFlow 开源版	KnowFlow 社区版	KnowFlow 商业版
用户管理	自由注册	✅ 管理员统一管理	✅
RBAC 权限管理	❌	✅ 知识库级权限	✅ Agent/聊天助手/文件 + Redis 缓存 + 多层级组织架构
团队协作	❌	✅ 团队管理、模型配置继承	✅
三方平台集成	❌	✅ Dify	✅ 企业微信/钉钉/飞书/MaxKB/Dify
负载均衡部署	❌	❌	✅
纯离线部署	✅	✅	✅
RAG 评估系统	❌	❌	✅
前端 UI	官方 UI	✅ 企业级重设计	✅
API 接口	✅	✅ 含 RBAC + MinerU API	✅
适配 RAGFlow 版本	最新	v0.20.5	v0.22.1
授权协议	Apache-2.0	AGPL-3.0	商业许可
技术支持	社区	社区	专业支持

核心优势总结

优势	说明
多 OCR 引擎	MinerU（行级精度）、DOTS（高速解析）、PaddleOCR（块级识别），按需选择
现代分块方法	智能/标题/正则/父子分块，商业版单独支持 Page 分块，AST 语义分析，表格和代码块完整性保证
100% 坐标溯源	基于 block 按行映射，消除 OCR 相似度匹配误差
图文混排	图片、表格、公式完整保留在分块和回答中
企业级管理	RBAC 权限 + 多层级组织架构 + 团队协作 + 管理员统一管控
多平台集成	Dify / 企业微信 / 钉钉 / 飞书 / MaxKB（商业版）
插件化架构	独立微服务增强 RAGFlow，不修改核心代码，版本升级无忧

获取商业版：微信联系 skycode007（备注"商业版咨询"）

---

系统架构

KnowFlow 采用插件化微服务架构，作为独立服务增强 RAGFlow，不修改其核心代码：

graph TB
subgraph "用户端"
Browser[浏览器]
end
subgraph "RAGFlow 核心服务"
RF_Frontend[RAGFlow 前端<br/>80/443]
RF_Backend[RAGFlow 后端<br/>9380]
RF_DB[(MySQL)]
RF_ES[(Elasticsearch)]
RF_Minio[(MinIO)]
RF_Redis[(Redis)]
end
subgraph "KnowFlow 扩展服务"
KF_Backend[KnowFlow 后端<br/>5000]
KF_Gotenberg[Gotenberg 文档转换<br/>3000]
subgraph "OCR 解析引擎"
MinerU[MinerU<br/>8000]
DOTS[DOTS OCR<br/>8001]
PaddleOCR[PaddleOCR<br/>8888]
end
end
Browser --> RF_Frontend
RF_Frontend --> RF_Backend
RF_Backend --> RF_DB
RF_Backend --> RF_ES
RF_Backend --> RF_Minio
RF_Backend --> RF_Redis
RF_Frontend -.->|API| KF_Backend
KF_Backend --> KF_Gotenberg
KF_Backend -.-> MinerU
KF_Backend -.-> DOTS
KF_Backend -.-> PaddleOCR
KF_Backend --> RF_DB
KF_Backend --> RF_Minio
KF_Backend --> RF_Redis

Loading

架构特点：

• 插件化 - KnowFlow 作为独立微服务，不修改 RAGFlow 核心代码，版本升级无忧
• 共享数据层 - 复用 RAGFlow 的 MySQL、MinIO、Redis 等基础设施
• 多引擎支持 - MinerU、DOTS、PaddleOCR 三种 OCR 引擎可按需部署
• 格式转换 - 内置 Gotenberg 服务，PPT/Word/Excel 等格式自动转换

---

快速开始

Docker Compose 部署（推荐）

前置要求： Docker 20.10+ / Docker Compose 2.0+ / 8GB+ 内存 / 可选 NVIDIA GPU

1. 克隆项目

git clone https://github.com/knowflow-ai/KnowFlow.git
cd KnowFlow/docker

2. 配置 KnowFlow Server

cp knowflow-server/settings.yaml.example knowflow-server/settings.yaml
vim knowflow-server/settings.yaml

配置示例：

mineru:
default_backend: "pipeline"fastapi:
url: "http://localhost:8000"# MinerU 服务地址timeout: 60000dots:
vllm:
url: "http://localhost:8001"# DOTS 服务地址（可选）model_name: "dotsocr-model"timeout: 60000paddleocr:
url: "http://localhost:8888"# PaddleOCR 服务地址（可选）timeout: 30000

详细配置说明：docker/knowflow-server/README.md

3. 部署 OCR 解析服务（可选）

三种 OCR 服务可同时部署，系统根据用户选择的布局解析器自动调用对应服务。

选项 A：MinerU（推荐，行级精度）

cd mineru/
docker compose up -d
docker compose logs -f

服务端口：API 8000 / VLM 30000（可选）

详细说明：docker/mineru/README.md

选项 B：DOTS（高速解析）

cd dots/
# 下载模型
pip install modelscope
modelscope download --model rednote-hilab/dots.ocr --local_dir ./weights/DotsOCR
docker compose up -d
docker compose logs -f

服务端口：8000

详细说明：docker/dots/README.md

选项 C：PaddleOCR（块级识别）

cd paddleocr/
docker compose up -d
docker compose ps

服务端口：8888

特点：7+ 种 block_label 类型、自动标题层级推断（H1-H6）、块级坐标

详细说明：docker/paddleocr/README.md

4. 启动主服务

cd docker/
# GPU 模式
docker compose -f docker-compose-gpu.yml up -d
# CPU 模式
docker compose up -d

5. 访问系统

入口	地址
前端	http://localhost
API	http://localhost:9380
默认账户	admin@gmail.com / admin

首次登录后请立即修改默认密码。

---

源码部署

展开源码部署步骤

前置要求： Python 3.9+ / Node.js 16+ / pnpm

KnowFlow 后端

cd knowflow/server
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt
cd knowflow/
./scripts/install.sh --local
python3 app.py

RAGFlow 后端

source .venv/bin/activate
export PYTHONPATH=$(pwd)# 可选：export HF_ENDPOINT=https://hf-mirror.com
./local_entrypoint.sh

RAGFlow 前端

cd web
pnpm install
pnpm dev

---

功能展示

全新 UI 界面

基于 RAGFlow 二次开发的企业级界面：

用户与权限管理

• RBAC 权限控制，知识库级精细化权限分配；商业版支持多层级组织架构
• 管理员统一管理用户，移除自由注册入口
• 团队管理、模型配置继承，降低配置复杂度
• 支持完全离线环境部署

图文混排与智能分块

支持 PPT、Word、Excel、PDF、图片等 20+ 种格式；商业版对 PPT、.docx 直接解析，非格式转换。支持六种分块策略：

分块方法	算法	适用场景
Smart（智能）	AST 语义分析，保证表格/代码块完整	通用文档
Title（标题）	按标题层级严格划分	技术文档、手册
Regex（正则）	自定义正则表达式分割	特殊格式文档
Parent-Child（父子）	双层嵌套，子块检索 + 父块上下文	RAG 系统
Page（页级）	按页面独立分块，商业版单独支持	版式固定、页级溯源场景
原生分块	RAGFlow naive/paper/book/qa 等	兼容已有配置

企业微信集成

详细配置：server/services/knowflow/README.md

---

常见问题

如何启用 GPU 加速？

# 安装 nvidia-container-toolkit
distribution=$(. /etc/os-release;echo$ID$VERSION_ID)
curl -s -L https://nvidia.github.io/libnvidia-container/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | \
sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit
sudo systemctl restart docker

启动时使用 docker compose -f docker-compose-gpu.yml up -d。

性能优化建议

• 启用 GPU 加速文档解析
• 为容器分配 8GB+ 内存
• 使用 SSD 存储提升 I/O
• 外网访问需配置防火墙规则

---

许可证

本项目采用 AGPL-3.0 许可证。允许自由使用、修改和分发，但通过网络提供服务时必须开源修改内容。

需要商业许可请联系：微信 skycode007（备注"商业授权"）

---

社区与支持

• 微信公众号 - KnowFlow 企业知识库
• 交流群 - 加微信 skycode007，备注"加群"
• 问题反馈 - GitHub Issues

鸣谢

• RAGFlow - 核心 RAG 框架

---

如果这个项目对您有帮助，欢迎点个 Star