النقاط الرئيسية
- ترخيص Apache 2.0 — مجاني للاستضافة الذاتية والتعديل وإعادة التوزيع
- طوّرته InfiniFlow، وهو محرك RAG مفتوح المصدر يدمج الاسترجاع بقدرات الوكلاء
- الفهم العميق للمستندات: يستخرج التحليل الواعي بالتخطيط الجداول والأشكال والبنية بدلًا من تسطيح الملف إلى نص عادي
- استشهادات موثوقة: ترتبط كل إجابة بالمقطع المحدد الذي وُلّدت منه، مع معاينة
- استضافة ذاتية عبر Docker؛ الحد الأدنى للعتاد 4 أنوية معالج و16 جيجابايت ذاكرة و50 جيجابايت تخزين
- الأنسب لسير العمل الكثيف بالمستندات (العقود، البيانات المالية، التقارير الممسوحة ضوئيًا)؛ تكفي أداة أخف للإجابة على أسئلة النصوص العادية
- توجد أيضًا سحابة مُدارة مدفوعة (cloud.ragflow.io) للفرق التي تفضّل عدم الاستضافة الذاتية — تتناول هذه المراجعة النشر ذاتي الاستضافة ومفتوح المصدر
📍 في جملة واحدة
RAGFlow محرك RAG مفتوح المصدر (Apache 2.0) وذاتي الاستضافة، متخصص في الفهم العميق للمستندات — تحليل واعٍ بالتخطيط لملفات PDF المعقدة والجداول والملفات الممسوحة ضوئيًا — وتُتتبَّع إجاباته حتى مقطعها المصدر الدقيق.
💬 بعبارات بسيطة
بدلًا من معاملة ملف PDF كسلسلة نصية طويلة واحدة، يقرأ RAGFlow تخطيطه — تبقى الجداول جداولًا، وتبقى الحواشي مرتبطة بصفحتها — ويُظهر بدقة أي مقطع من المستند استخدمه للإجابة عن سؤالك.
ما هو RAGFlow؟
RAGFlow (github.com/infiniflow/ragflow) محرك RAG مفتوح المصدر طوّرته InfiniFlow، ومُرخّص بموجب Apache 2.0. يصفه توثيقه الرسمي بأنه يدمج التوليد المعزّز بالاسترجاع مع قدرات الوكلاء لإنشاء طبقة سياق لنماذج اللغة الكبيرة — عمليًا، هو تطبيق ذاتي الاستضافة بواجهة ويب لبناء أنظمة أسئلة وأجوبة على المستندات وسير عمل قائم على الوكلاء.
- الفهم العميق للمستندات: خط أنابيب تحليل واعٍ بالتخطيط (DeepDoc) يستخرج النص والجداول والأشكال من صيغ الملفات المعقدة بدلًا من معاملة كل ملف كنص مسطح
- تقطيع ذكي قائم على القوالب يصفه RAGFlow بأنه "قابل للتفسير" — يمكنك رؤية وتعديل كيفية تقسيم مستند قبل فهرسته
- استشهادات موثوقة مع معاينة المقطع المصدر، لمراجعة الإجابة مقابل النص الدقيق الذي جاءت منه
- قدرات الوكلاء: أداة بناء سير عمل مرئية لربط الاسترجاع والأدوات والاستدلال متعدد الخطوات، إضافة إلى دعم بروتوكول سياق النموذج (MCP)
- يدعم Word وSlides وExcel وTXT والصور والنسخ الممسوحة ضوئيًا والبيانات المهيكلة وصفحات الويب وغيرها كمستندات مصدر
- يمكن نشره عبر Docker للاستضافة الذاتية، أو عبر سحابة InfiniFlow المُدارة المدفوعة (cloud.ragflow.io) لمن يفضّل عدم تشغيل بنيته التحتية الخاصة
الفهم العميق للمستندات والاستشهادات — الميزة التمايزية الأساسية في RAGFlow
يكون RAG البسيط سهلًا عندما يكون المستند ملف نص نظيفًا. نادرًا ما تكون المستندات المؤسسية كذلك — قد يحتوي العقد على جداول متداخلة وحواشي وترويسات وصفحات ممسوحة ضوئيًا وإحالات مرجعية، ويؤدي التحويل الساذج من PDF إلى نص إلى ضغط كل ذلك في كتلة غير مهيكلة. صُمم RAGFlow خصيصًا لتحليل هذه البنية بدلًا من تجاهلها.
📌ملاحظة: يدعم RAGFlow أيضًا بناء رسوم بيانية معرفية على غرار GraphRAG وعمق استدلال قائم على الوكلاء قابل للتهيئة، إضافة إلى خط أنابيب المستندات الأساسي — قيّم هذه الميزات وفق حالة استخدامك بدلًا من افتراض حاجتك إليها لأسئلة وأجوبة أساسية على المستندات.
كيف يختلف RAGFlow عن Quivr وDify وLlamaIndex؟
تلامس الأدوات الأربع جميعها التوليد المعزّز بالاسترجاع، لكنها تحل مشكلات مختلفة. يجب تقييم RAGFlow مقابل تطبيقات أسئلة وأجوبة جاهزة للاستخدام على المستندات مثل Quivr، لا مقابل قاعدة بيانات متجهية أو إطار عمل برمجي — فهي تتنافس على نفس قرار الشراء: "أشِر إلى مستنداتي واطرح الأسئلة".
كيف تستضيف RAGFlow ذاتيًا؟
يُنشر RAGFlow عبر Docker. هذه هي الخطوات الموثقة في دليل البدء السريع الرسمي للمشروع، وهي حديثة وقت كتابة هذه المراجعة — تحقق دائمًا من توثيق المستودع لمعرفة أحدث إصدار موسوم قبل النشر.
- 1تأكد أن جهازك يستوفي الحد الأدنى: معالج بـ4 أنوية أو أكثر (x86)، 16 جيجابايت ذاكرة أو أكثر، 50 جيجابايت مساحة تخزين حرة أو أكثر، Docker إصدار 24.0.0 فأعلى، وDocker Compose إصدار v2.26.1 فأعلى.
- 2على Linux، ارفع حد خرائط الذاكرة في النواة لمكوّن البحث المدمج: نفّذ sudo sysctl -w vm.max_map_count=262144، ثم أضِف vm.max_map_count=262144 إلى /etc/sysctl.conf ليبقى فعّالًا بعد إعادة التشغيل.
- 3استنسخ المستودع وانتقل إلى إصدار مستقر موسوم: git clone https://github.com/infiniflow/ragflow.git، ثم cd ragflow/docker && git checkout -f v0.27.1 (استخدم الوسم الحالي وقت النشر).
- 4ابدأ الحزمة: docker compose -f docker-compose.yml up -d. راقب السجلات باستخدام docker logs -f docker-ragflow-cpu-1 وانتظر تأكيد بدء التشغيل الناجح قبل المتابعة.
- 5افتح http://<عنوان IP الخاص بخادمك> في المتصفح (يستمع RAGFlow افتراضيًا على المنفذ 80)، اذهب إلى Model providers، وأضِف مفتاح API أو نقطة الوصول الخاصة بنموذج اللغة ونموذج التضمين اللذين تنوي استخدامهما.
- 6أنشئ مجموعة بيانات، اختر نموذج تضمين وطريقة تقطيع، ارفع ملفاتك، واضغط زر التشغيل لتحليلها — ثم راجع المقاطع الناتجة وأنشئ محادثة مرتبطة بمجموعة البيانات هذه لبدء طرح الأسئلة.
هل يمكن تشغيل RAGFlow دون اتصال بالإنترنت؟
يعمل RAGFlow نفسه دون اتصال بالكامل بعد نشره، لكنه يحتاج نموذج لغة لتوليد الإجابات. وجّهه إلى خادم نموذج محلي (مثل نقطة وصول متوافقة مع Ollama) بدلًا من واجهة برمجة سحابية للحفاظ على خط الأنابيب بأكمله دون اتصال — تحقق من إعدادات مزوّدي النماذج في RAGFlow لمعرفة نقاط الوصول المحلية المدعومة.
كم مساحة التخزين التي يحتاجها RAGFlow فعليًا؟
الحد الأدنى الموثق هو 50 جيجابايت حرة، إضافة إلى المساحة التي ستستهلكها مستنداتك المفهرسة والمقاطع/التضمينات الناتجة عنها. خصص مساحة أكبر لمجموعات المستندات الكبيرة، لأن RAGFlow يخزّن المقاطع المحللة والتضمينات إلى جانب الملفات المصدر.
لمن يناسب RAGFlow؟
عمق تحليل المستندات في RAGFlow ميزة حقيقية للملفات المعقدة، وتكلفة حقيقية — في تعقيد الإعداد والعتاد — للفرق التي لا تحتاجها.
RAGFlow مقابل البدائل
مقارنة جنبًا إلى جنب وفق المعايير التي يقارن بها المشترون فعليًا: الواجهة ومعالجة المستندات والترخيص.
الأداة | الواجهة | تحليل المستندات | الاستشهادات | الترخيص |
|---|---|---|---|---|
| RAGFlow | تطبيق ويب + أداة بناء وكلاء مرئية | واعٍ بالتخطيط / جداول ومسح ضوئي | قابلة للتتبع حتى المقطع المصدر | Apache 2.0 |
| Quivr | تطبيق ويب | استخراج نص عام الغرض | مراجع مصدرية | مفتوح المصدر |
| Dify | تطبيق ويب + أداة بناء سير عمل | عام الغرض (RAG وحدة واحدة) | مراجع مصدرية | مفتوح المصدر |
| LlamaIndex | إطار عمل برمجي، بلا واجهة | قابل للتهيئة عبر محمّلاتك الخاصة | تنفّذها بنفسك | MIT |
أخطاء شائعة عند تقييم RAGFlow
تنشأ هذه الأخطاء من معاملة RAGFlow كبديل مباشر لأداة أبسط، أو العكس — تشغيله بموارد غير كافية ثم لوم البرمجية.
الأسئلة الشائعة
ما هو RAGFlow؟
RAGFlow محرك RAG مفتوح المصدر (Apache 2.0) طوّرته InfiniFlow، متخصص في الفهم العميق للمستندات. يستخرج محلل واعٍ بالتخطيط الجداول والأشكال والبنية من المستندات المعقدة، وكل إجابة مولّدة ترتبط بالمقطع المصدر الدقيق الذي جاءت منه.
هل RAGFlow مجاني؟
النشر ذاتي الاستضافة ومفتوح المصدر مجاني بموجب ترخيص Apache 2.0. تقدّم InfiniFlow أيضًا سحابة مُدارة مدفوعة منفصلة (cloud.ragflow.io) للفرق التي تفضّل عدم تشغيل بنيتها التحتية الخاصة — وهو منتج مستقل عن البرمجية المجانية ذاتية الاستضافة التي تتناولها هذه المراجعة.
بأي ترخيص يُنشر RAGFlow؟
ترخيص Apache 2.0، الذي يسمح بالاستخدام والتعديل وإعادة التوزيع بحرية، بما في ذلك في المنتجات التجارية.
كيف تعمل ميزة الاستشهاد في RAGFlow؟
تتضمن كل إجابة يولّدها RAGFlow مراجع إلى المقاطع المحددة التي بُنيت منها. تتيح الواجهة معاينة المقطع المُستشهَد به داخل المستند الأصلي، للتحقق من الإجابة مقابل مصدرها الفعلي بدلًا من الاعتماد على الملخص وحده.
ما الذي يميز RAGFlow عن أداة RAG نموذجية؟
تحوّل معظم أدوات RAG المستند إلى نص عادي قبل التقطيع، مما يفقد بنية الجداول والحواشي والتخطيط. يحلل RAGFlow التخطيط أولًا — تبقى الجداول جداولًا — وهو أمر مهم خصوصًا للمستندات المؤسسية المعقدة كالعقود الممسوحة ضوئيًا والبيانات المالية.
ما صيغ المستندات التي يدعمها RAGFlow؟
وفق توثيق المشروع: Word وSlides وExcel وTXT والصور والنسخ الممسوحة ضوئيًا والبيانات المهيكلة وصفحات الويب. تحقق من مستودع GitHub الحالي للحصول على قائمة الصيغ الكاملة والمحدّثة قبل النشر، إذ يضيف RAGFlow دعم صيغ جديدة بشكل متكرر.
هل يمكنني استضافة RAGFlow ذاتيًا؟
نعم. يُنشر RAGFlow عبر Docker وDocker Compose على بنيتك التحتية الخاصة. الحد الأدنى الموثق للعتاد هو 4 أنوية معالج و16 جيجابايت ذاكرة و50 جيجابايت مساحة تخزين حرة.
ما متطلبات العتاد لاستضافة RAGFlow ذاتيًا؟
معالج بـ4 أنوية أو أكثر (x86)، و16 جيجابايت ذاكرة أو أكثر، و50 جيجابايت مساحة تخزين حرة أو أكثر، وDocker إصدار 24.0.0 فأعلى، وDocker Compose إصدار v2.26.1 فأعلى، وفق توثيق البدء السريع لـRAGFlow.
RAGFlow مقابل LlamaIndex — أيهما يجب أن أستخدم؟
اختر LlamaIndex إذا احتجت خط أنابيب استرجاع مخصصًا بالكامل مبنيًا بالشيفرة، مع اختيارك الخاص لقاعدة البيانات المتجهية وبلا واجهة جاهزة. اختر RAGFlow إذا كان تطبيق ويب جاهز للاستخدام بتحليل مستندات قوي يغطي احتياجاتك بالفعل، دون كتابة خط أنابيب استرجاع خاص بك.
هل يدعم RAGFlow وكلاء الذكاء الاصطناعي، لا RAG فقط؟
نعم. إلى جانب استرجاع المستندات، يتضمن RAGFlow أداة بناء سير عمل مرئية لربط خطوات الاسترجاع والأدوات والاستدلال متعدد الخطوات، مع دعم بروتوكول سياق النموذج (MCP) لربط أدوات خارجية بوكيل.