Cloud | Document | Roadmap | Discord

## 💡 RAGFlow とは？ [RAGFlow](https://ragflow.io/) は、先進的な[RAG](https://ragflow.io/basics/what-is-rag)（Retrieval-Augmented Generation）技術と Agent 機能を融合し、大規模言語モデル（LLM）に優れたコンテキスト層を構築する最先端のオープンソース RAG エンジンです。あらゆる規模の企業に対応可能な合理化された RAG ワークフローを提供し、統合型[コンテキストエンジン](https://ragflow.io/basics/what-is-agent-context-engine)と事前構築されたAgentテンプレートにより、開発者が複雑なデータを驚異的な効率性と精度で高精細なプロダクションレディAIシステムへ変換することを可能にします。 ## 🎮 はじめに当社のクラウドサービスをぜひお試しください：[https://cloud.ragflow.io](https://cloud.ragflow.io)。ローカルにデプロイする場合は、[セルフホスティング](#-セルフホスティング)を参照してください。

## 🔥 最新情報 - 2026-09-29 RAGFlow 1.0.0-rc1 をリリース。 - 2026-09-10 SitemapによるWebコンテンツの取り込みに対応。 - 2026-08-19 Knowledge Compilationを導入。ドキュメントおよびデータセット単位でWiki、Graph、Tree、PageIndex、Mind Map、Timeline、Skillsを生成できます。 - 2026-08-19 Low、Medium、High、Ultraの思考モードを備えたAgentic RAGを導入。 - 2026-07-02 Google BigQueryデータソースの取り込みと増分同期に対応。 - 2026-06-29 WhatsApp、DingTalk、WeComのチャットチャネルに対応。 - 2026-05-26 AgentがWebページを閲覧・操作できるBrowserコンポーネントを追加。 - 2026-04-21 7種類の組み込みデータ取り込みパイプラインテンプレートを追加。 - 2026-04-21 Agentアプリの公開、Sandboxでのコード実行、グラフ生成に対応。 - 2026-04-21 ユーザー単位のメモリ保存と検索に対応。その他の更新については[リリースノート全文](./docs/release_notes.md)を参照してください。 ## 🎉 続きを楽しみに ⭐️ リポジトリをスター登録して、エキサイティングな新機能やアップデートを最新の状態に保ちましょう！すべての新しいリリースに関する即時通知を受け取れます！ 🌟

## 🌟 主な特徴 ### 🍭 **"Quality in, quality out"** - 複雑な形式の非構造化データからの深い文書理解ベースの知識抽出。 - 無限のトークンから"干し草の山の中の針"を見つける。 ### 🍱 **テンプレートベースのチャンク化** - 知的で解釈しやすい。 - テンプレートオプションが豊富。 ### 🧩 **ナレッジコンパイル（Knowledge Compilation）** - ドキュメントやデータセットのコンテンツを、Wiki、Graph、Tree、PageIndex、Mind Map、Timeline、Skills などの構造化された成果物に整理します。 - コンパイルモデルと処理ルールを設定し、成果物の表示、更新、再生成を行えます。 ### 🧠 **Agentic Retrieval** - 複雑な質問を分析し、必要に応じて分解、ナレッジ検索、根拠確認を複数段階で行います。 - Low、Medium、High、Ultra の思考モードで、質問の複雑さに応じて検索と推論の深さを調整できます。 ### 🌱 **ハルシネーションが軽減された根拠のある引用** - 可視化されたテキストチャンキング（text chunking）で人間の介入を可能にする。 - 重要な参考文献のクイックビューと、追跡可能な引用によって根拠ある答えをサポートする。 ### 🍔 **多様なデータソースとの互換性** - Word、スライド、Excel、txt、画像、スキャンコピー、構造化データ、Web ページなどをサポート。 ### 🛀 **自動化された楽な RAG ワークフロー** - 個人から大企業まで対応できる RAG オーケストレーション（orchestration）。 - カスタマイズ可能な LLM とエンベッディングモデル。 - 複数の想起と融合された再ランク付け。 - 直感的な API によってビジネスとの統合がシームレスに。 ## 🔎 システム構成

## 🎬 セルフホスティング ### 🐳 Docker デプロイ #### 📝 Docker デプロイの前提条件 - 推奨する開始時の構成：CPU 4コア、RAM 16 GB、空きディスク容量 50 GB。実際の要件は、ドキュメントエンジン、データ量、解析タスク、同時実行数によって異なります。ローカルモデルやその他のオプションコンポーネントでは、追加のリソースが必要になる場合があります。 - Docker >= 24.0.0 & Docker Compose >= v2.26.1 - [gVisor](https://gvisor.dev/docs/user_guide/install/): Self-ManagedコンテナSandboxを使用する場合のみ必要です。 DockerデプロイではホストへのGoのインストールは不要です。Self-ManagedコンテナSandboxではgVisorのインストールと設定が必要ですが、他のSandboxプロバイダーではRAGFlowホストへのgVisorのインストールは不要です。 > [!TIP] > ローカルマシン（Windows、Mac、または Linux）に Docker をインストールしていない場合は、[Docker Engine のインストール](https://docs.docker.com/engine/install/) を参照してください。 #### 🚀 サーバーを起動 1. `vm.max_map_count` >= 262144 であることを確認する: > `vm.max_map_count` の値をチェックするには: > > ```bash > sysctl vm.max_map_count > ``` > > `vm.max_map_count` が 262144 より大きい値でなければリセットする。 > > ```bash > # In this case, we set it to 262144: > sudo sysctl -w vm.max_map_count=262144 > ``` > > この変更はシステム再起動後にリセットされる。変更を恒久的なものにするには、**/etc/sysctl.conf** の `vm.max_map_count` 値を適宜追加または更新する: > > ```bash > vm.max_map_count=262144 > ``` > 2. リポジトリをクローンする: ```bash git clone https://github.com/infiniflow/ragflow.git ``` 3. Go リリースタグに切り替え、Docker Compose で事前ビルド済み Go イメージを起動します: > [!CAUTION] > 現在、公式に提供されているすべての Docker イメージは x86 アーキテクチャ向けにビルドされており、ARM64 用の Docker イメージは提供されていません。 > ARM64 アーキテクチャのオペレーティングシステムを使用している場合は、[このドキュメント](https://ragflow.io/docs/dev/build_docker_image)を参照して Docker イメージを自分でビルドしてください。 Docker デプロイディレクトリに移動します。 ```bash cd ragflow/docker ``` Go v1.0.0-rc1 リリースタグに切り替えます。 ```bash git checkout v1.0.0-rc1 ``` Go サービスと依存サービスをバックグラウンドで起動します。 ```bash docker compose -f docker-compose.yml up -d ``` デフォルトの MySQL 構成では、Go イメージのエントリーポイントが最初にデータベース移行を実行し、その後 `bin/ragflow_server` を介して Syncer、Admin、API、Ingestor を起動します。 > RAGFlow オープンソース 1.0 の DeepDoc は、レイアウト解析、OCR、表認識に CPU 推論を使用します。 4. 起動後にサービスの状態と API の準備状況を確認します： ```bash docker ps ``` 上記のコマンドは依存サービスの状態を表示します。RAGFlow 自体には Compose healthcheck が定義されていないため、API で準備状況を確認します： ```bash curl -f http://localhost/api/v1/system/healthz ``` HTTP 200 レスポンスは準備完了を示します。`SVR_WEB_HTTP_PORT` を変更した場合は、ヘルスチェック URL でそのポートを使用してください。起動に失敗した場合は、`docker logs --tail 50 ` で該当サービスのログを確認してください。 5. ウェブブラウザで、プロンプトに従ってサーバーの IP アドレスを入力し、RAGFlow にログインします。 > デフォルトの設定を使用する場合、デフォルトの HTTP サービングポート `80` は省略できるので、与えられたシナリオでは、`http://IP_OF_YOUR_MACHINE`（ポート番号は省略）だけを入力すればよい。 > 6. RAGFlow にログインした後、モデルプロバイダーページで LLM、Embedding、Reranker を追加し、モデル名、サービスアドレス、API キーを入力します。 > 詳しくは [llm_api_key_setup](https://ragflow.io/docs/dev/llm_api_key_setup) を参照してください。 > _これで初期設定完了！ショーの開幕です！_ #### ⚙️ Docker の設定と調整 Go版のDockerデプロイでは `docker/.env` と `docker/docker-compose.yml` を使用し、キャッシュとCheckpointの保存にKvrocks、メッセージキューにNATS JetStreamを使用します。イメージ、ポート、パスワード、ドキュメントエンジン、モデルイメージの取得元を変更する場合は、[Docker設定ガイド](./docker/README.md)に従ってください。プラットフォームのサポートについて（注：macOSは現時点では非対応です。Linux x86_64ホストを使用してください）、[Go Dockerイメージのビルドとプラットフォームサポートガイド](./docs/develop/build_docker_image.mdx)を参照してください。ドキュメントエンジンの切り替え、設定変更後のサービス再起動、既存データの保持または削除についても、上記のDocker設定ガイドに従ってください。 ### 🔨 ソースコードからサービスを起動する方法 #### 📝 ソースビルドの前提条件 1. `go.mod` で指定されたGoバージョン（現在はGo 1.27）、Clang 20、LLD 20、CMake 4.0以降、およびPCRE2開発ファイルをインストールします。GoサービスはCGOとネイティブライブラリに依存し、[build.sh](./build.sh)が必要なビルド設定を行います。 2. リポジトリをクローンし、必要なネイティブライブラリとモデルファイルを準備してからGoサービスをビルドします: ```bash git clone https://github.com/infiniflow/ragflow.git cd ragflow/ ``` ```bash python3 -m venv /tmp/ragflow-go-download-venv /tmp/ragflow-go-download-venv/bin/python -m pip install requests huggingface-hub /tmp/ragflow-go-download-venv/bin/python ragflow_deps/download_deps.py bash build.sh --all ``` このスクリプトはGoビルドに必要なネイティブライブラリとモデルリソースを準備し、`requests`と`huggingface-hub`を使用します。同じリソースを別の方法で準備済みの場合は、この手順を省略できます。リポジトリルートから起動するとGoサービスは`internal/rag/res/deepdoc`を自動検出します。別のディレクトリから起動する場合は、`DEEPDOC_MODEL_DIR`にその絶対パスを設定してください。 3. Docker Composeで必要な依存サービス（Elasticsearch、MySQL、MinIO、NATS、Kvrocks、ClickHouse）を起動します: ```bash sudo sysctl -w vm.max_map_count=262144 docker compose --env-file docker/.env -f docker/docker-compose-base.yml \ up -d --wait es01 mysql minio nats kvrocks clickhouse ``` ソースから起動する Go サービスは `localhost:6379` で Kvrocks に接続するため、提供されている設定では `/etc/hosts` の変更は不要です。 4. データベースのマイグレーション後、サービスを順番に起動します。各コマンドはリポジトリのルートから別々のターミナルで実行し、サービス用の4つのターミナルは開いたままにします: ```bash ./bin/ragflow_server --migrate RAGFLOW_DEV_MODE=true ./bin/ragflow_server --admin RAGFLOW_DEV_MODE=true ./bin/ragflow_server --ingestor RAGFLOW_DEV_MODE=true ./bin/ragflow_server --syncer RAGFLOW_DEV_MODE=true ./bin/ragflow_server --api ``` 各起動モードの役割は次のとおりです: - `--migrate`: データベース移行を実行して終了します。 - `--admin`: 管理と初期化を行うAdminサービスを起動します。 - `--ingestor`: データ取り込みと解析を行うIngestorサービスを起動します。 - `--syncer`: データ同期を行うSyncerサービスを起動します。 - `--api`: Web UI、SDK、外部クライアント向けのAPIサービスを起動します。 `RAGFLOW_DEV_MODE=true`は開発専用です。コードとデータベース移行バージョン間のダウングレードチェックを無効にしますが、移行の実行やスキーマ変更は行いません。本番環境では設定しないでください。Adminを他のサービスより先に起動します。移行後は`RAGFLOW_DEV_MODE=true bash build.sh --run`でAdmin、Ingestor、APIを起動できますが、Syncerは起動しません。完全なサービスチェーンには`RAGFLOW_DEV_MODE=true ./bin/ragflow_server --syncer`を別途実行してください。 5. フロントエンドを開発する場合に限り、Node.jsとnpmをインストールしてReactフロントエンドを起動します: ```bash cd web npm install API_PROXY_SCHEME=go npm run dev ``` 別のターミナルでGo APIの準備が完了したことを確認します: ```bash curl -f http://127.0.0.1:9380/api/v1/system/healthz ``` HTTP 200が返ればAPIは応答しています。開発終了時は各サービスターミナルで`Ctrl+C`を押します。コンテナを保持したまま依存サービスを停止するには `docker compose --env-file docker/.env -f docker/docker-compose-base.yml stop es01 mysql minio nats kvrocks clickhouse` を実行します。名前付きボリュームを保持したまま依存コンテナとComposeネットワークを削除するには `docker compose --env-file docker/.env -f docker/docker-compose-base.yml down` を実行します。詳細は[ソースコードからサービスを起動](./docs/develop/launch_ragflow_from_source.md)を参照してください。 ## 📚 ドキュメンテーション - [Quickstart](https://ragflow.io/docs/dev/) - [Configuration](https://ragflow.io/docs/dev/configurations) - [Release notes](https://ragflow.io/docs/dev/release_notes) - [User guides](https://ragflow.io/docs/category/user-guides) - [Developer guides](https://ragflow.io/docs/category/developer-guides) - [References](https://ragflow.io/docs/dev/category/references) - [FAQs](https://ragflow.io/docs/dev/faq) ## 📜 ロードマップ [RAGFlow ロードマップ 2026](https://github.com/infiniflow/ragflow/issues/12241) を参照 ## 🏄 コミュニティ - [Discord](https://discord.gg/NjYzJD3GM3) - [X](https://x.com/infiniflowai) - [GitHub Discussions](https://github.com/orgs/infiniflow/discussions) ## 🙌 コントリビュート RAGFlow はオープンソースのコラボレーションによって発展してきました。この精神に基づき、私たちはコミュニティからの多様なコントリビュートを受け入れています。参加を希望される方は、まず [コントリビューションガイド](https://ragflow.io/docs/dev/contributing)をご覧ください。