RAGFlow（1）：集成深度文档理解能力的RAG引擎

• 

? 特点汇总

1. 没有采用现成的 RAG 中间件（比如LangChain和LlamaIndex）

2. 能够自动识别文档的布局，包括标题、段落、图表等。比如我输入“Figure 1”进行测试，能召回对应的图，但还是只能保留了图的文本信息，但是对话时无法进行多模态理解

3. 对表格进行单独处理和存储，且较好的还原了HTML表格，准确率还可以。在代码中，每个chunk使用的react-pdf-highlighter组件进行高亮显示，体验不错

4. 为了适应不同行业和岗位对文档的不同需求，例如会计、HR、科研工作者等会接触到不同类型的文档，RAGFlow 提供了以下丰富的分块解析方法以及实例：

5. 能够让用户随时查看是基于哪些原文生成答案的，提供了原文的引用链接，并允许用户进行详细的查看和对照。

6. 追求对非结构化数据的深度语义理解，并计划将更加可扩展的文档结构识别模型应用到系统中，以适应企业级复杂场景的需求。

7. 在数据源接入与集成方面，RAGFlow 设计目标是能够处理更多复杂场景，尤其是B端场景，并计划接入企业的各类数据源，如 MySQL 的 binlog、数据湖的 ETL、外部爬虫等，以实现更广泛的应用。