Mecanismo de inteligência artificial baseado em dados
RAGFlow é um mecanismo de geração baseada em busca (RAG) de código aberto que cria uma camada de contexto para grandes modelos de linguagem (LLM). O objetivo é melhorar o processamento de dados e a precisão das respostas, combinando técnicas avançadas de RAG com capacidades de agente.
Atualizações
- 16 de outubro de 2026: Estrelas 91,477 → 92,317, versão mais recente v1.0.0-rc2 (16 de outubro de 2026).
- 29 de setembro de 2026: Estrelas 90,512 → 91,477, versão mais recente v1.0.0-rc1 (29 de setembro de 2026).
- 11 de setembro de 2026: Estrelas 89,753 → 90,512, versão mais recente v0.27.2 (10 de setembro de 2026).
- 31 de agosto de 2026: Estrelas 88,819 → 89,753, versão mais recente v0.27.1 (28 de agosto de 2026).
O que você ganha
- Extrai informações de documentos complexos com alta precisão.
- Ele segmenta dados de forma inteligente usando métodos baseados em modelos.
- Reduz a alucinação graças às respostas apoiadas por aspas.
Instalação
git clone https://github.com/infiniflow/ragflow.gitdocker compose -f docker/docker-compose.yml up -dSe você não programa
Quero transformar os documentos complexos e os dados não estruturados que possuo em uma fonte de informações de alta qualidade que os modelos de inteligência artificial possam compreender. Como posso processar meus dados usando RAGFlow, configurar modelos de fragmentação de documentos e criar um agente de IA com referência de origem e livre de erros usando esses dados?
Repositório: https://github.com/infiniflow/ragflow. Baseie-se nas instruções oficiais no arquivo README deste repositório para a instalação e execução.
Antes de começar, verifique em qual sistema operacional estamos e se as ferramentas necessárias (ex: Python, Node.js, Git, Docker) estão instaladas. Instale as que faltarem passo a passo de acordo com este sistema.
Crie uma pasta nova e vazia para trabalhar. Não toque em arquivos fora desta pasta e não exclua nada. Antes de executar cada comando, diga o que você vai fazer em uma frase.
Diga-me o que devo ver na tela ao final de cada etapa. Se ocorrer um erro, colarei a mensagem de erro para você exatamente como ela é, e vamos corrigi-la juntos.
Termos relacionados do glossário
Links
A TreScout não desenvolveu esta ferramenta · nós a encontramos nas tendências do GitHub e a apresentamos. Esta página descreve o repositório em 2026-08-13: A contagem de estrelas e o nosso texto são daquele dia, o repositório pode ter mudado desde então. Consulte o link do repositório para ver o estado atual. O texto de apresentação foi preparado com IA a partir da própria documentação do repositório e esta página foi traduzida automaticamente do original em turco · a versão turca é a que vale.