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.
كيف يعمل تحليل المستندات
خط أنابيب التحليل في RAGFlow واعٍ بالتخطيط: يحدد الجداول والأشكال والترويسات وترتيب القراءة قبل التقطيع، بدلًا من استخراج النص الخام حسب ترتيب الملف. التقطيع قائم على القوالب ويصفه المشروع بأنه "قابل للتفسير" — يمكنك فحص وتعديل كيفية تقسيم مستند معين إلى مقاطع قبل فهرسته، وهو أمر مهم عندما يؤدي جدول مقسّم بشكل سيئ إلى إجابة غير منطقية.
كيف تعمل قابلية تتبع الاستشهادات
عندما يجيب RAGFlow عن سؤال، تتضمن الإجابة مراجع إلى المقاطع المحددة المستخدمة لتوليدها. تتيح الواجهة فتح معاينة سريعة للمقطع المُستشهَد به داخل المستند الأصلي، لتتحقق من الإجابة مقابل مصدرها بدلًا من الثقة العمياء بملخص النموذج. هذه هي الميزة التي يجب تقييمها لأي حالة استخدام — مراجعة الامتثال، البحث القانوني، التحليل المالي — حيث تشكّل الإجابة غير القابلة للتحقق مخاطرة، لا مجرد إزعاج.
📌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".
RAGFlow مقابل Quivr
Quivr تطبيق RAG جاهز للاستخدام وذاتي الاستضافة، بإعداد أبسط وبصمة موارد أخف. تكمن قوته في سرعة الوصول إلى أول إجابة على مستندات نصية بسيطة. يتنازل RAGFlow عن جزء من هذه البساطة مقابل محلل واعٍ بالتخطيط وقابلية تتبع الاستشهادات — تتسع الفجوة مع زيادة تعقيد المستند (الجداول، المسح الضوئي، التخطيطات متعددة الأعمدة)، وتنعدم في ملفات النص العادي، حيث لا فائدة إضافية من التحليل المتطور.
RAGFlow مقابل Dify
Dify منصة تطبيقات نماذج لغوية أوسع: RAG فيها مجرد مكوّن واحد إلى جانب تنسيق الوكلاء وبناء سير العمل ونشر التطبيقات. إذا كانت أسئلة وأجوبة المستندات المعزّزة بالاسترجاع هي كل ما تحتاجه، فإن Dify يقدم منصة أكبر مما تحتاج. إذا كنت تبني تطبيق ذكاء اصطناعي متعدد الخطوات يكون فيه استرجاع المستندات جزءًا واحدًا فقط، فقد يناسب نطاق Dify أكثر من تركيز RAGFlow على المستندات.
RAGFlow مقابل LlamaIndex
LlamaIndex إطار عمل Python/TypeScript قائم على الشيفرة أولًا، وليس تطبيقًا — لا يمتلك واجهة ويب مدمجة. تكتب الشيفرة، وتختار قاعدة بيانات متجهية (Chroma أو Qdrant أو Weaviate وغيرها)، وتُجمّع خط أنابيبك الخاص مع تحكم كامل في كل خطوة، بما في ذلك تحليل المستندات. يجمّع RAGFlow خط أنابيب مماثلًا خلف واجهة، بمحلل مستندات خاص به بدلًا من محمّل عام الغرض. اختر LlamaIndex إذا احتجت منطق خط أنابيب مخصصًا لا يوفره أي تطبيق؛ واختر RAGFlow إذا كانت واجهة جاهزة للاستخدام بتحليل مستندات قوي تغطي حالتك بالفعل.
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.
استخدم RAGFlow إذا
- كانت مستنداتك المصدر ذات بنية حقيقية يجب الحفاظ عليها — جداول، حواشي، صفحات ممسوحة ضوئيًا، تخطيطات متعددة الأعمدة، إحالات مرجعية
- احتجت إلى التحقق من إجابة مقابل مقطعها المصدر الدقيق — مراجعة الامتثال، البحث القانوني، التحليل المالي، مسارات التدقيق
- توفّر لديك العتاد اللازم — 16 جيجابايت+ من الذاكرة و50 جيجابايت+ من التخزين بصمة أثقل بوضوح من تطبيق RAG خفيف
- أردت سير عمل قائمًا على الوكلاء (استدلال متعدد الخطوات، استدعاء الأدوات، MCP) فوق الاسترجاع، لا مجرد واجهة محادثة مع ملفاتك
تجنّب RAGFlow إذا
- كانت مستنداتك نصًا عاديًا أو Markdown أو ملفات مسطحة بسيطة — أداة أخف ذاتية الاستضافة تجيب عن الأسئلة أسرع بإعداد أقل
- أردت أصغر بصمة موارد ممكنة، على عتاد محدود أو متواضع
- احتجت خط أنابيب استرجاع مخصصًا بالكامل بمنطق لا يوفره أي تطبيق جاهز — قيّم بدلًا من ذلك إطار عمل قائم على الشيفرة مثل LlamaIndex
- لم يكن عمق تحليل المستندات وقابلية تتبع الاستشهادات متطلبات لحالة استخدامك — عندها لا تجلب لك التعقيدات الإضافية أي فائدة
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.
الخطأ 1: نشر RAGFlow لأسئلة وأجوبة نصية بسيطة
إذا كانت مجموعة مستنداتك بالكامل ملاحظات Markdown نظيفة أو نصًا عاديًا، فليس لدى التحليل الواعي بالتخطيط في RAGFlow ما يحلله — أنت تدفع تكلفة الإعداد والعتاد الخاصة بالفهم العميق للمستندات مقابل مستندات لم تكن بحاجة إليه أصلًا. أداة RAG أخف ذاتية الاستضافة تمنحك جودة إجابة مماثلة ببصمة أصغر.
الخطأ 2: تشغيل بيئة الاستضافة الذاتية بموارد غير كافية
الحد الأدنى الموثق — 4 أنوية معالج، 16 جيجابايت ذاكرة، 50 جيجابايت تخزين — هو الحد الأدنى المطلق، لا هدفًا مريحًا لمجموعة مستندات حقيقية. تشغيل RAGFlow دون هذا الحد، أو تخطي إعداد النواة vm.max_map_count على Linux، سبب شائع لحزمة تبدأ التشغيل لكنها لا تصبح قابلة للاستخدام أبدًا.
الخطأ 3: الوثوق بإجابة دون التحقق من استشهادها
ميزة الاستشهاد في RAGFlow لا تقلل المخاطر إلا إذا استخدمتها فعليًا. معاملة إجابة مولّدة كنهائية دون فتح المقطع المصدر المرتبط بها يُبطل الغرض من اختيار أداة تركز على الاستشهادات أصلًا — خاصة في حالات الامتثال أو القانونية، حيث تمثل الإجابة غير المتحقق منها بالضبط الخطر الذي وُجدت هذه الميزة لمنعه.
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.