跳转至

RagFlow

RAGFlow

RAGFlow 是一款开源 RAG（Retrieval-Augmented Generation）引擎与应用平台，深度融合了深度文档理解、自动化 RAG 工作流与大模型调用，打通了复杂数据处理、知识检索、增强生成的全流程，旨在为企业及开发者提供一站式智能问答开发服务，并支持各类复杂场景下大模型的构建与应用落地。

目前，MinerU 已深度集成至 RAGFlow 知识库在线版本，作为内置 PDF 文档解析器，为用户知识库搭建提供专业、可靠的文档解析支持。本地部署版本部署使用方式详见下方使用教程。

使用可访问：https://demo.ragflow.io/

img

使用教程：如何在 RAGFlow 中使用 MinerU

一、安装配置

首先，我们建议您通过 docker 的形式在本地部署 RagFlow 以方便使用 MinerU 插件作为解析工具。在安装完 RagFlow 后执行：

  1. 版本检查 ：

确保你的RAGFlow版本 >= v0.21.1。

  1. 更新 .env 文件：

为了确保服务能被平稳修改，建议先在 cmd 运行 docker compose down 停掉服务。

打开 .env 文件，在文件的末尾，添加这两行代码，保存文件。

HF_ENDPOINT=https://hf-mirror.com
MINERU_EXECUTABLE=/ragflow/uv_tools/.venv/bin/mineru
  1. 启动并进入容器：

在 cmd 中，重新启动服务：docker compose up -d

等待服务全部 Running 或 Healthy 后，运行以下命令进入RAGFlow的核心容器：

docker compose exec ragflow-cpu bash

（你的命令行提示符会从 C:\...> 变为 root@...）

  1. 在容器内下载 MinerU 模型：

    在容器内部，依次运行以下 5 条命令

mkdir uv_tools
cd uv_tools
uv venv .venv
source .venv/bin/activate
uv pip install -U "mineru[core]" -i https://mirrors.aliyun.com/pypi/simple
  1. 退出并重启：

安装完成后，输入 exit 并按回车。

运行重启命令，让 RAGFlow 加载刚装好的 MinerU

docker compose restart ragflow-cpu

二、使用入口

在本地部署完毕后，要启用 MinerU，您需要在进入 RagFlow 特定知识库的配置页面并选择 MinerU 作为默认的 PDF 解析器。（注：RagFlow 在线版中已经内置了 MinerU 插件为您提供了高级的 PDF 文件解析能力，使用方式与此一致。）

入口和配置步骤：

  1. 进入知识库配置：
  2. 首先，在您的知识库管理界面，选择您需要配置的特定知识库（例如图示中的 "content" 知识库）。
  3. 在知识库详情页面的左侧导航栏中，点击【配置】选项卡。
  4. 定位 PDF 解析器设置：
  5. 向下滚动页面，找到“Ingestion pipeline”（摄取管道）设置部分。
  6. 在此部分中，您会看到一个名为【PDF解析器】（PDF Parser）的选项。
  7. 选择 MinerU：
  8. 点击【PDF解析器】旁边的下拉菜单。
  9. 从可用选项中，选择【MinerU】。
  10. 保存修改：
  11. 完成选择后，请务必点击页面底部的【保存】按钮，以使更改生效。

img