開源的 RAG（檢索增強生成）引擎，做的事是讓 AI 根據你自己的文件回答問題。它的重點在把文件拆得好、找得準：可以看切片的結果、手動調整，回答會附上引用的段落快照。GitHub 上有 9 萬多顆星，授權是 Apache-2.0。官方也有雲端版 cloud.ragflow.io。

RAGFlow 要多少記憶體？

官方 README 建議起步 4 核 CPU、16 GB 記憶體、50 GB 硬碟。我在 4 核 8 GB 的測試機實測 1.0.0-rc1，還沒放文件、沒接模型，7 個容器閒置合計約 7.1 GB，Elasticsearch 佔 4.7 GB，剩 1.7 GB 可用；開始解析文件會再吃更多，所以 8 GB 不建議。

RAGFlow 需要 API 金鑰嗎？

需要。RAGFlow 本身不帶模型，README 寫登入後要到模型提供商頁面加上大型語言模型、向量模型（Embedding）和重排序模型（Reranker），填模型名稱、服務網址和 API 金鑰。也可以接本機的模型，但 README 提醒那要另外準備對應的資源。

RAGFlow 用 Hostinger 要選哪個方案？

Hostinger 的 RAGFlow 一鍵範本從 KVM 2（2 核 8 GB）列起。照官方建議和我量到的數字，要選 KVM 4（4 核 16 GB），我 10 月 15 日看到的促銷價每月 12.99 美元（合約期一次付清），續約每月 28.99 美元。

RAGFlow 是什麼？讓 AI 讀你的文件回答問題的開源工具，要多大的主機我用 8 GB 測試機實測

你可能想讓 AI 讀公司的手冊、產品文件或一堆 PDF，問它問題時能照這些文件回答，而不是亂編。查一查會看到這類做法叫 RAG，常被推薦的開源工具是 RAGFlow。點進 GitHub，第一個讓人猶豫的是：官方建議要 16 GB 記憶體的主機，真的需要這麼大嗎？

先交代我做了什麼：我在 Vercel 的 Linux 測試機（4 核心、8 GB 記憶體）照官方 README 的 Docker 步驟裝了 1.0.0-rc1，量了下載、硬碟和 7 個容器各吃多少記憶體，也看了它預設開放的設定。我沒有註冊帳號、沒有接模型、沒有上傳文件，所以「回答得準不準」這篇沒有答案。

RAGFlow 是什麼

RAGFlow 是開源的 RAG（檢索增強生成）引擎。RAG 的意思是：AI 回答前，先從你的文件裡找出相關的段落，再根據這些段落回答。GitHub 上有 9 萬多顆星，授權是 Apache-2.0，可以免費自架；官方也有雲端版 cloud.ragflow.io。

README 列的重點功能：

深度文件理解：能從格式複雜的文件裡抽出內容，支援 Word、PPT、Excel、TXT、圖片、PDF、掃描影印本、網頁等。
看得到的切片：文件怎麼被切成一段一段，可以視覺化地看、手動調整。
有出處的回答：答案附上引用段落的快照，可以追回原文。
8 月加入的「知識編譯」和「Agentic 檢索」：把文件整理成 Wiki、心智圖、時間軸等形式，複雜問題分多步檢索。

它不帶模型：要先準備什麼

RAGFlow 只負責「找文件、組答案」，回答的大腦要你自己接。README 寫，登入後要到模型提供商頁面，加上三種模型：大型語言模型、向量模型（Embedding）、重排序模型（Reranker），填模型名稱、服務網址和 API 金鑰。

所以除了主機，你還要有至少一家模型服務的金鑰，例如 OpenAI 或其他相容的服務；接本機模型也可以，但 README 提醒那要另外準備相應的資源。

要多大的主機：官方建議和我量到的

官方 README 的建議起步配置是 4 核 CPU、16 GB 記憶體、50 GB 硬碟，Docker 24.0.0、Docker Compose v2.26.1 以上。

我用 4 核 8 GB 的測試機照官方步驟裝起來，健康檢查回 200 之後再等 40 秒，在還沒放任何文件、沒接模型的狀態下量：

容器	用途	閒置記憶體
es01	Elasticsearch 搜尋	4,721 MB
ragflow-cpu	主程式和網頁	934 MB
clickhouse	ClickHouse 資料庫	713 MB
mysql	MySQL 資料庫	512 MB
minio	檔案儲存	131 MB
kvrocks	快取	36 MB
nats	訊息佇列	16 MB

合計約 7.1 GB，整台機器只剩 1.7 GB 可用。最吃記憶體的是 Elasticsearch，它會依機器的記憶體自己決定要用多少，一個就 4.7 GB。這還是閒置的數字，開始上傳、解析文件之後只會更多。

其他數字：7 個映像檔合計 5.7 GB（Elasticsearch 2.09 GB 最大），測試機下載花了 46 秒；全部跑起來後硬碟多用了約 7.2 GB；從 docker compose up -d 到健康檢查回 200 是 45 秒。

跟我量過的 Dify（閒置約 2.7 GB）比，RAGFlow 重了一倍多。結論是：8 GB 的主機雖然起得來，但沒有餘裕；要拿來放真的文件，照官方建議準備 16 GB。

安裝步驟（官方 README）

用 Elasticsearch 的話，主機的 vm.max_map_count 至少要 262144：sudo sysctl -w vm.max_map_count=262144，要永久生效再寫進 /etc/sysctl.conf。
git clone https://github.com/infiniflow/ragflow.git，進到 ragflow/docker。
切到發佈標籤：README 現在寫的是 git checkout v1.0.0-rc1。
docker compose -f docker-compose.yml up -d。
用 curl -f http://localhost/api/v1/system/healthz 確認回 200，再用瀏覽器打開主機的 IP（預設 80 埠）。
註冊、登入後，到模型提供商頁面填模型和 API 金鑰。

要注意的是，README 寫的 v1.0.0-rc1 是「候選版」（9 月底發佈），最新的正式版是 9 月 10 日的 v0.27.2。我測的是 README 寫的 rc1。另外，我的測試機的 Docker 不能設記憶體上限，第一次 up 時 Elasticsearch 和 ClickHouse 起不來，把 .env 的 MEM_LIMIT 改成 0 才成功；一般的 VPS 不會有這個問題，不用改。

放上 VPS 之前，先改這三件事

RAGFlow 的預設值是給「在自己電腦上試」用的，直接放到有公開 IP 的主機上有風險：

預設開放註冊。.env 的 REGISTER_ENABLED=1，註解寫 1 是開放註冊、0 是關閉。任何連得到網頁的人都能自己註冊帳號，自己的帳號建好之後，記得改成 0。
密碼是公開的預設值。.env 裡 Elasticsearch、MySQL、MinIO 等服務的密碼，GitHub 上每個人都看得到；Elasticsearch 和 MySQL 的密碼旁邊，註解直接寫「上線前要改」。第一次啟動前就先改掉。
很多連接埠開在主機上。預設除了網頁的 80、443 和 API 的 9380，Elasticsearch（1200）、MySQL（3306）、MinIO（9000、9001）、Kvrocks（6379）、NATS（4222）、ClickHouse（8123）都對主機開放。我在測試機上試，Elasticsearch 的 1200 有回應（要密碼）、MinIO 的管理頁 9001 直接打得開。VPS 上要用防火牆只開網頁需要的連接埠。

用 Hostinger 的一鍵範本

Hostinger 的 VPS 有 RAGFlow 的一鍵安裝範本，頁面從 KVM 2 列起。我 10 月 15 日看到的方案和價格（促銷價是整個合約期一次付清）：

方案	規格	促銷／續約（每月）
KVM 2	2 核、8 GB	8.99／14.99 美元
KVM 4	4 核、16 GB	12.99／28.99 美元
KVM 8	8 核、32 GB	25.99／49.99 美元

照官方建議和我量到的數字，我會選 KVM 4：KVM 2 的 8 GB 跟我的測試機一樣大，閒置就只剩 1.7 GB，核心也只有 2 個。範本預設有沒有改掉上面那三件事，頁面沒有寫，我也沒有買來看，裝好之後自己檢查一次。續約價和其他注意事項，在 Hostinger 評價。

跟 Dify 怎麼選

站上也寫了 Dify，兩個常被拿來比。Dify 是做 AI 應用的平台，知識庫只是其中一塊，我量到閒置約 2.7 GB；RAGFlow 的重心就是文件，把複雜的文件拆好、找準、附上出處，代價是比較吃資源。只是要做一個簡單的客服機器人，Dify 比較輕；文件多、格式亂、很在意答案有沒有根據，再考慮 RAGFlow。其他 AI Agent 工具的比較在 AI Agent 工具有哪些。

這篇沒有測的

我沒有註冊帳號、沒有接任何模型、沒有上傳文件，所以文件解析的品質、回答準不準、解析大量文件時要多少記憶體，都沒有測；正式版 v0.27.2 和 GPU 版沒有測；Hostinger 的範本沒有買來看。測試機為了跑起來把 MEM_LIMIT 改成 0，Elasticsearch 在有上限的主機上用多少記憶體，可能跟我量到的不同。