KnowFlow 是一个基于 RAGFlow 的开源项目，持续兼容 RAGFlow 官方版本，同时会将社区里做的比较好的最佳实践整合进来。 KnowFlow 可以理解成 RAGFlow 官方开源产品真正落地企业场景的最后一公里服务。
基于 RAGFlow v0.18.0 二次开发全新 UI 页面，目前已适配 v0.19.0。
参考 ragflow-plus
移除原登陆页用户注册的通道，搭建用户后台管理系统，可对用户进行管理，包括用户管理、团队管理、用户模型配置管理等功能。
特点：新建用户时，新用户会自动加入创建时间最早用户的团队，并默认采取和最早用户相同的模型配置。
- 支持市面上常见的文件格式，如 ppt/png/word/doc/excel/...等等
- 保持和官方 markdown 完全一致的分块规则，共提供了三种分块策略，保证分块和向量化检索效果，且具备开放性，后续可持续增强
- 无缝对接 RAGFlow 知识库系统，文档自动解析和分块
支持企业微信应用，可将企业微信应用作为聊天机器人，使用企业微信应用进行聊天。具体使用方式参照 server/services/knowflow/README.md 中的说明。
如果您需要在本地环境进行开发调试，可以直接运行 MinerU 服务：
# 1. 安装 Python 依赖（注意：zsh 需要用引号包围方括号）
pip install "mineru[core]" fastapi uvicorn python-multipart
# 2. 设置环境变量
export MINERU_DEVICE_MODE=cpu
export MINERU_MODEL_SOURCE=modelscope
# 3. 进入项目目录
cd web_api
# 4. 启动本地服务
python app.py配置 settings.yaml：
使用本地 MinerU 服务时，需要修改 server/services/config/settings.yaml 中的服务地址：
mineru:
fastapi:
# 本地开发服务地址
url: "http://localhost:8888"
vlm:
sglang:
# 本地SGLang服务地址（如果使用vlm-sglang-client后端）
server_url: "http://localhost:30000"💡 提示： 本地调试模式适合开发环境，生产环境建议使用Docker方式部署
-
启动 MinerU 服务
选择以下两种镜像之一：
完整版（推荐）- 包含所有功能
docker run --rm -d --gpus=all \ --shm-size=32g \ -p 8888:8888 -p 30000:30000 \ --name mineru-api \ zxwei/mineru-api-full:2.1.0
基础版 - 仅包含基础功能
docker run --rm -d --gpus=all \ --shm-size=32g \ -p 8888:8888 \ --name mineru-api \ zxwei/mineru-api:2.1.0
💡 镜像说明：
zxwei/mineru-api-full：包含完整的 VLM 功能，支持所有后端类型zxwei/mineru-api：基础版本，主要支持 pipeline 后端server/services/config/settings.yaml可以配置选择 MinerU 模式、配置服务地址- 如需 GPU 加速，请确保已安装 nvidia-container-toolkit
-
执行安装脚本，自动生成配置
./scripts/install.sh
💡 自动配置功能：
- 脚本会自动检测本机IP地址
- 自动创建
.env配置文件（如果不存在） - 如果
.env文件已存在，会提供选项：保留现有配置或重新生成
-
完善
.env文件配置安装脚本会自动创建
.env文件模板，您只需要填写两个必要信息：# 从 RAGFlow API 页面后台获取 (必须手动填写) RAGFLOW_API_KEY=你的实际API密钥 # 确认端口号并替换 (通常RAGFlow默认端口是80或8080) RAGFLOW_BASE_URL=http://检测到的IP:实际端口号
💡 提示： 其他配置项（如HOST_IP、ES_HOST等）已由脚本自动填写
-
启动容器，开始愉快之旅
docker compose up -d
访问地址：
服务器ip:8081，进入到管理界面
参照 Docker Compose 使用方式的前面步骤，确保 MinerU 服务已启动。
启动后端：
-
打开后端程序
management/server，安装依赖python3 -m venv venv source venv/bin/activate pip install -r requirements.txt -
开启文件格式转化服务（可选，支持 PDF 以外文件格式需要开启）
docker run -d -p 3000:3000 gotenberg/gotenberg:8
-
启动后端
python3 app.py
启动前端：
-
打开前端程序
management\web，安装依赖pnpm i
-
启动前端程序
pnpm dev
浏览器访问启动后的地址，即可进入系统。
💡 提示： 图文混排功能，聊天助手的提示词很重要，配置不正确会无法显示图片。模板如下：
请参考{knowledge}内容回答用户问题。
如果知识库内容包含图片，请在回答中包含图片URL。
注意这个 html 格式的 URL 是来自知识库本身，URL 不能做任何改动。
请确保回答简洁、专业，将图片自然地融入回答内容中。
参照 ragflow-ui/README.md
docker buildx build --platform linux/amd64 --target backend -t zxwei/knowflow-server:v0.3.0 --push .
docker buildx build --platform linux/amd64 --target frontend -t zxwei/knowflow-web:v0.3.0 --push .- 支持更多文档格式的 MinerU 解析
- 增强 MarkDown 文件的分块规则
- 优化 Excel 文件分块
- MinerU 2.0 接入
- RAGFlow 前端 UI 源码开源
如果有其它需求或问题建议，可加入交流群进行讨论。
如需加群，加我微信 skycode007，备注"加群"即可。
本项目基于以下开源项目开发：
目前该项目仍在持续更新中，更新日志会在我的微信公众号[KnowFlow 企业知识库]上发布，欢迎关注。
zxwei/mineru-api-full（推荐）：
- 包含完整的 VLM 功能
- 支持所有后端类型：pipeline, vlm-transformers, vlm-sglang-engine, vlm-sglang-client
- 镜像较大，但功能最全
zxwei/mineru-api：
- 基础版本，镜像较小
- 主要支持 pipeline 后端
- 适合基础文档解析需求
1）安装 nvidia-container-toolkit
# 添加源
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/libnvidia-container/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | \
sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
# 安装组件
sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit
# 重启 Docker
sudo systemctl restart docker2）启动 MinerU 容器时确保包含 --gpus=all 参数（如上面的示例命令）
3）在 settings.yaml 中配置使用 GPU 后端：
mineru:
default_backend: "vlm-sglang-client" # 使用 VLM 后端如果 KnowFlow server 也运行在容器中，需要正确配置网络地址：
- Docker Desktop：使用
http://host.docker.internal:8888 - Linux Docker：使用宿主机IP，如
http://192.168.1.100:8888 - Docker Compose：使用服务名，如
http://mineru-api:8888
详细配置参考 DOCKER_NETWORK_GUIDE.md
1）端口冲突：
- MinerU 服务使用端口 8888 和 30000
- KnowFlow 前端使用端口 8081
- 后端服务使用端口 5000
- 确保这些端口未被其他服务占用
2）内存不足：增加 Docker 内存限制或调整 --shm-size 参数
3）GPU 不可用：检查 nvidia-container-toolkit 安装和 GPU 驱动
4）网络连接问题：检查防火墙设置和容器网络配置