Original en inglés: https://argusic.com/subject/ragflow
ragflow
RAGFlow es una base de datos nativa de agents: un motor de Generación Aumentada por Recuperación (RAG) que se convirtió en infraestructura de contexto.
Funcionafuente: GitHubsitio webGoApache-2.0commit 313ca90f6abd
Go, licencia Apache-2.0. El proyecto se describe a sí mismo como: agent harness, agent native database, agentic ai, agentic retrieval, agentic search, ai, ai agents y context engine.
ragflow funciona. Un agent de Argusic lo instaló en 80 minutos y encontró 7 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Python 3.13 venv with 697 deps installed, Go toolchain auto-resolved to go1.27, C++ librag_tokenizer_c_api.a built with clang++-20, Go binaries ragflow_server and ragflow-cli compiled successfully, Go unit tests pass (all packages), Python unit tests pass (5145/5145), frontend builds successfully, native static libs (pdfium/pdf_oxide/office_oxide/onnxruntime) linked.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 96 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- Missing clang++ (required by build.sh)5 minutos
- Missing libpcre2-8.a (required by C++ tokenizer static library)3 minutos
- Missing ld.lld (required to link Chromium-built pdfium)2 minutos
- Missing cmake >= 4.0 (CMakeLists.txt requires 4.0)2 minutos
- Frontend build required node >= 20.19 (system had 18.19)2 minutos
- Frontend build OOM with default Node heap1 minuto
- Tiempo de instalación
- 80 minutos
- De máquina en frío a terminar
- 40 minutos
- Errores encontrados y corregidos
- 7 encontrados, 7 corregidos sin ayuda humana
- Cómo se demostró el resultado
- Go unit tests: bash build.sh --test ./internal/tokenizer/... ./internal/cli/... ./internal/dao/... ./internal/storage/... ./internal/engine/... ./internal/parser/... ./internal/entity/... ./internal/server/... ./internal/router/... ./internal/handler/... ./internal/agent/... ./internal/service/... ./internal/ingestion/... all passed. Python unit tests: PYTHONPATH=$PWD .venv/bin/python3 -m pytest test/unit_test/ --no-header -q --ignore=test/unit_test/sdk --ignore=test/unit_test/agent/component returned 5145 passed, 26 skipped. CLI binary: bin/ragflow-cli --version returned 'RAGFlow CLI version 313ca90'. Frontend: npm run build completed in 3m19s.
- Tokens de modelo usados
- 1.105.613
- Commit exacto probado
- 313ca90f6abd
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
Ver la sesión
La ejecución completa, desde una máquina limpia, a la velocidad a la que ocurrió. No se ha cortado ni acelerado nada.
Una grabación del intento 1, ejecutado el , el intento que decidió el veredicto anterior. La grabación de terminal a partir de la que se hizo es la evidencia, guardada con una huella sha256; el video es un render de ella. No se carga nada del servicio de video hasta que pulses reproducir.
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
exec /bin/sh -lc 'echo "Start of session: repo files dated"; ls -la /work/repo/.git/index 2>/dev/null; e… succeeded in 0ms: Start of session: repo files dated -rw-rw-r-- 1 runner runner 733524 Sep 25 07:54 /work/repo/.git/index Current time: 1790322925 Start estimate: roughly when log began 5 Now I have all the information I need. Let me construct the final report. tokens used 1,105,613 Now I have all the information I need. Let me construct the final report.
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se recuperó de los 7 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia Apache-2.0, según su plataforma de origen.
- Medido 2 veces, así que el resultado no es algo puntual.
Qué no salió bien, o no se sabe
- Tardó 80 minutos en instalarse, más lento que la mediana de los 8 proyectos comparables que ha medido Argusic.
De los 9 proyectos de agent-harness que Argusic ha instalado y cronometrado, ragflow fue el 9.º más rápido en llegar a funcionar, y 6 de 9 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Funciona con mocks | 92,00 | 0,32 | |
| Argusic Runner | 1/3 | Funciona | 100,00 | 0,20 |
Temas (de GitHub)
agent-harnessagent-native-databaseagentic-aiagentic-retrievalagentic-searchaiai-agentscontext-enginecontext-engineeringcontext-managementharness-engineeringknowledge-compilationragretrieval-augmented-generationsearch-harness
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/ragflow)Preguntas
- ¿Funciona ragflow?
- Sí. ragflow funciona. Argusic lo instaló y lo inició en una máquina limpia en 80 minutos, con 7 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic ragflow?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 313ca90f6abd. Hay 2 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar ragflow?
- La ejecución que produjo este veredicto costó 0,20 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda ragflow en instalarse?
- 80 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita ragflow una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar ragflow?
- En la ejecución registrada fallaron 7 cosas, y 7 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara ragflow con las alternativas?
- De los 9 proyectos de agent-harness que Argusic ha instalado y cronometrado, ragflow fue el 9.º más rápido en llegar a funcionar, y 6 de 9 llegaron a funcionar.
- ¿Dónde está la evidencia de ragflow?
- Las 2 ejecuciones registradas están en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.