## 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](../../../assets/images/RagFlow_01.png) ## 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`。 2. **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。 ```Python HF_ENDPOINT=https://hf-mirror.com MINERU_EXECUTABLE=/ragflow/uv_tools/.venv/bin/mineru ``` 3. **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: ```Bash docker compose exec ragflow-cpu bash ``` (你的命令行提示符会从 `C:\...>` 变为 `root@...`) 4. **在容器内下载 MinerU 模型:** 在容器内部,依次运行以下 5 条命令 ```Bash 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 ``` 5. **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 ```Bash 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:** 1. 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)。 2. 在知识库详情页面的左侧导航栏中,点击【**配置**】选项卡。 2. **定位 PDF 解析器设置:** 1. 向下滚动页面,找到“**Ingestion pipeline**”(摄取管道)设置部分。 2. 在此部分中,您会看到一个名为【**PDF解析器**】(PDF Parser)的选项。 3. **选择 MinerU:** 1. 点击【PDF解析器】旁边的下拉菜单。 2. 从可用选项中,选择【**MinerU**】。 4. **保存修改:** 1. 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](../../../assets/images/RagFlow_02.png)