RAGFlow

Ligar um modelo de linguagem aos documentos da empresa esbarra quase sempre no mesmo ponto: PDF escaneado, tabela e planilha viram texto bagunçado, e a resposta sai sem fonte. O RAGFlow é um motor de RAG open source que cuida dessa etapa com leitura de documentos complexos e citações rastreáveis. Ele também traz agentes, memória para agentes e suporte a MCP.

Para que serve

• Indexar Word, slides, Excel, TXT, imagens, documentos escaneados e páginas web numa base de consulta.
• Escolher templates de fatiamento (chunking), ver o resultado na tela e corrigir à mão.
• Responder com referência ao trecho de origem, o que ajuda a checar alucinação de IA.
• Sincronizar fontes como Confluence, S3, Notion, Discord e Google Drive.
• Montar agentes em fluxos visuais que combinam busca, ferramentas e servidores MCP.

Como começar

O servidor precisa de 4 núcleos, 16 GB de RAM, 50 GB de disco, Docker 24.0.0 ou superior e Docker Compose 2.26.1 ou superior. O parâmetro vm.max_map_count deve valer pelo menos 262144. Com isso pronto:

git clone https://github.com/infiniflow/ragflow.git
cd ragflow/docker
git checkout v0.26.4
docker compose -f docker-compose.yml up -d

A interface sobe na porta 80. Antes de usar, configure o provedor de modelo e a chave de API no arquivo service_conf.yaml.template, então você precisa de conta num provedor de IA. As imagens prontas são só para x86; em ARM64 você compila a sua.

Licença e custo

Pela Apache 2.0, o RAGFlow pode ser usado e modificado, inclusive em produto comercial. Em troca, a Apache pede os avisos de licença preservados e a indicação do que mudou. Existe também uma nuvem oficial com plano gratuito limitado e planos mensais pagos. O plano enterprise inclui instalação na sua nuvem ou no seu datacenter, suporte dedicado e SLA, com preço sob consulta.

Quando vale a pena

O RAGFlow atende a empresa que quer fazer perguntas a documentos internos com a fonte citada e tem servidor para isso. O post sobre como conectar IA aos dados da empresa compara esse caminho com os outros. Para poucos arquivos, um chat com upload resolve. AnythingLLM e Dify são alternativas conhecidas.