RAGFlow 래그플로우 핵심 요약
RAGFlow는 단순 텍스트 문자열 분할 방식에서 벗어나 시각적 심층 문서 이해 Deep Document Understanding를 기반으로 복잡한 레이아웃을 해독하는 고신뢰성 오픈소스 RAG 엔진입니다. 공공기관 규정집, 복합 재무제표, 매뉴얼의 표와 도표를 완벽한 원본 맥락 그대로 보존하여 환각 없는 정확한 검색 답변을 생성합니다.
아무리 좋은 LLM을 써도 잘못 쪼개진 청크는 오답을 만든다
RAG 시스템의 성능 저하 원인 중 80% 이상은 LLM 자체의 성능 문제가 아니라, 앞단에서 문서를 무지성으로 고정 길이 500자나 1000자 단위로 잘라버리는 과정에서 발생합니다.
RAGFlow는 문서의 비주얼 레이아웃을 먼저 읽습니다. 제목, 소제목, 표의 헤더와 본문 셀의 위치 관계를 정확하게 계산한 후, 의미적으로 독립된 온전한 단락 단위로 지능형 청크를 구성합니다. 또한 답변 생성 시 참조한 원문 구절을 PDF 원본 페이지 위에 노란색 박스로 정확히 하이라이트하여 보여줍니다.
RAGFlow vs 일반 오픈소스 RAG 프레임워크 비교표
| 비교 항목 | RAGFlow 래그플로우 | 일반 LangChain RAG 구현 |
|---|---|---|
| 문서 파싱 방식 | OCR 및 컴퓨터 비전 기반 심층 문서 이해 | 단순 텍스트 추출 및 고정 글자 수 청킹 |
| 복합 표 처리 능력 | 병합 셀과 중첩 헤더를 인식하여 원형 보존 | 글자가 쪼개져 표 맥락 파괴 및 숫자 오인 |
| 원문 출처 검증 UI | PDF 원본 위치에 실시간 하이라이트 표시 | 단순 텍스트 스니펫만 나열되어 검증 곤란 |
| 관리자 인터페이스 | 완성형 노코드 웹 UI 및 청크 수동 교정기 내장 | 자체 프론트엔드 대시보드를 직접 개발 필요 |
| 도입 라이선스 | 아파치 2.0 완전 개방 오픈소스 무료 | 오픈소스 무료 |
도커 기반으로 RAGFlow 로컬 클러스터 3단계 구축하기
1단계. RAGFlow 레포지토리 클론 및 환경 파일 복사
git clone https://github.com/infiniflow/ragflow.git 명령어로 레포를 내려받고 docker 폴더로 이동합니다.
2단계. docker compose up -d 명령어로 서비스 일괄 기동
엘라스틱서치, 인피니플로우 벡터 저장소, 웹 프론트엔드가 포함된 컨테이너 군이 백그라운드에서 실행됩니다.
3단계. 웹 브라우저에서 localhost 접속 및 지식 베이스 생성
브라우저에서 대시보드에 접속한 뒤 PDF 문서를 업로드하고 청킹 템플릿을 선택하면 즉시 인덱싱이 완료됩니다.
자주 묻는 질문 FAQ
Q. 한글 문서 OCR 인식률은 어떤가요?
다국어 OCR 엔진이 기본 통합되어 있어 한글 서류, 스캔된 영수증, 주민센터 발급 문서도 오탈자 없이 높은 정확도로 인식합니다.
Q. 사용자가 직접 청크를 확인하고 수정할 수 있나요?
네, 대시보드 안에서 문서가 쪼개진 청크 블록을 하나씩 확인하고 텍스트를 고치거나 합치는 시각적 청크 에디터를 기본 제공합니다.
Q. 사내 인프라 내부의 Ollama나 vLLM 모델과 연동되나요?
네, OpenAI API 외에도 로컬 호스팅 중인 Ollama, LocalAI, vLLM 엔드포인트를 모델 공급자로 등록하여 100% 사내망에서만 구동할 수 있습니다.
