我为什么研究RAGFlow：RuyiBookCourse遇到复杂文档解析后必须想清楚的事

OKOK大家好欢迎大家来到大鹏 AI 教育我是张大鹏。这篇文章讲RAGFlow。但我不是为了追热点才研究它。我研究 RAGFlow是因为RuyiBookCourse正好走到了一个非常现实的位置电子书解析不是把文字拿出来就完了。如果我要把电子书变成课程真正难的不是“抽取文本”这四个字。真正难的是目录、章节、表格、代码、图片说明、页眉页脚、参考资料这些结构能不能被理解能不能被保留下来能不能在后续问答和课程生成里继续发挥作用。这就是 RAGFlow 对我有参考价值的地方。RAGFlow到底是什么RAGFlow 官方把它定位为基于深度文档理解的开源 RAG 引擎。这个定位里最关键的不是“RAG”而是“深度文档理解”。普通 RAG 系统最容易犯的错误是把文档直接切成很多文本块然后丢进向量库。这对简单文章可以用。但对复杂文档不够。比如教材 PDF技术手册财报表格很多的资料论文版式复杂的扫描文档这些资料的问题不是“有没有文字”而是“文字之间的关系有没有被理解”。RAGFlow 强调的正是这件事。它不是只做聊天页面而是更关注文档进入知识库之前解析、切分、结构理解这一步能不能做好。这给RuyiBookCourse什么启发RuyiBookCourse的目标是电子书转课程。这件事听起来像内容处理其实很像文档理解。一本技术书里章节标题、代码块、表格、图示、练习、总结、参考资料都不是普通文本。如果解析阶段把这些结构打碎了后面再强的模型也只能在混乱材料上工作。所以我看 RAGFlow不是因为我要马上把它接进项目。我更关心它背后的产品判断RAG 的质量首先取决于文档进入系统时的质量。这句话对RuyiBookCourse很重要。我现在做src\parse本质上就是在为后面的 RAG 和课程生成打地基。如果解析层不稳定后面写再多 prompt 都是在补洞。RAGFlow强在哪里我的理解里RAGFlow 的强点主要有三个。第一它把文档理解放在前面。官方文档和仓库都在强调复杂格式数据、deep document understanding、well-founded citations。这说明它不是只把 RAG 当成“向量搜索 聊天”。第二它重视可引用。对课程生产来说引用很重要。我不能只要 AI 说“应该先学 scales”我还要知道这个判断来自哪本书、哪一章、哪一段。第三它适合处理复杂资料。RAGFlow 的 DeepDoc 相关资料里提到版面识别、表格结构识别等能力。这对电子书、教材、技术 PDF 都很关键。我为什么没有立刻接入RAGFlow这点我想说清楚。我研究 RAGFlow不等于我现在就要把它部署进RuyiBookCourse。我的项目当前还在打底层链路。我现在更需要确认本地 EPUB/PDF 解析是否稳定章节 Markdown 是否干净输出目录是否统一RAG chunk 规则是否适合课程生产CLI 能否先跑通最小闭环如果这些基础还没稳定就先上一个完整平台反而会让问题变复杂。所以我的策略是先学习 RAGFlow 的设计思想再决定是否接入它。这个顺序很重要。什么时候我会考虑接入RAGFlow如果后面RuyiBookCourse遇到这些情况我会认真考虑接入 RAGFlowPDF 版式越来越复杂表格和图片说明越来越多自己维护解析器成本明显变高需要可视化管理知识库需要更完整的文档问答后台需要多人协作处理资料这时候 RAGFlow 可能会成为一个合适的外部能力。但在当前阶段我更倾向于先把项目自己的解析和课程化链路跑通。我的结论RAGFlow 对我最大的价值不是告诉我“换一个知识库平台”。它提醒我一件更底层的事电子书转课程第一关是文档理解不是聊天。如果我把这个判断落实到RuyiBookCourse那接下来就应该继续优化src\parse继续让章节 Markdown 更干净、更可追溯、更适合 RAG。平台可以以后再接。但文档理解这件事现在就要做好。参考资料RAGFlow 官方文档https://ragflow.io/docs/RAGFlow GitHubhttps://github.com/infiniflow/ragflowRAGFlow DeepDochttps://github.com/infiniflow/ragflow/blob/main/deepdoc/README.md