# KnowFlow

**Repository Path**: NovemberRain/KnowFlow

## Basic Information

- **Project Name**: KnowFlow
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2026-03-17
- **Last Updated**: 2026-03-20

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

<div align="center">
  <img src="knowflow/assets/logo.png" alt="KnowFlow 企业知识库" width="30%">
</div>

# KnowFlow - 企业级智能知识库解决方案

🌐 **官方网站**: [https://www.knowflowchat.cn](https://knowflowchat.cn)

📺 **B站视频**: [https://www.bilibili.com/video/BV1Vfg8zDEUf/](https://www.bilibili.com/video/BV1Vfg8zDEUf/)

🌐 **微信公众号**：KnowFlow 企业知识库

---

## 🚀 什么是 KnowFlow

**KnowFlow** 是一个基于 RAGFlow 的企业级开源知识库解决方案，专注于为企业提供真正落地的最后一公里服务。我们持续兼容 RAGFlow 官方版本（当前适配 RAGFlow v0.20.1），同时将社区最佳实践整合进来，为企业知识管理提供更加完善的解决方案。

### 🎯 产品定位

- **RAGFlow 企业落地的最后一公里**：解决从开源到生产的关键差距
- **插件化增强平台**：通过独立服务方式扩展 RAGFlow 功能
- **企业级知识管理系统**：提供完整的用户权限、团队协作、数据安全保障


## 📦 版本差异

### 社区版 vs 商业版

| 功能特性 | 社区版 (开源) | 商业版 |
|---------|-------------|--------|
| **基础功能** | ✅  | ✅  |
| **MinerU 解析** | ✅ 支持老版本  | ✅ 支持 MinerU 最新版本镜像 |
| **小红书 Dots 解析** | ❌ | ✅  |
| **PaddleOCR-VL 解析** | ❌ | ✅  |
| **多模态图片理解** | ❌ | ✅  |
| **RAG 评估系统** | ❌ | ✅  |
| **权限管理** | RBAC 简略版 | ✅ RBAC 完整版本，额外作用于agent、聊天助手、文件等 |
| **分块策略** | 正则、语义、标题、父子分块 | ✅ 解析分块全面优化，新增标题层级切割以及标题自动补充、父子分块支持编辑 |
| **版本兼容** | 适配 v0.20.1 | ✅ 适配 RAGFlow v0.20.5 |
| **企业集成** | ✅ 企业微信集成 | ✅ Dify 深度集成 |
| **高级分析** | ❌ | ✅ 使用统计分析 |
| **技术支持** | 🔧 社区支持 | 🔧 专业技术支持 |
| **商业授权** | ❌ | ✅ 商业使用许可 |

### 商业版增强特性

- **RBAC 权限管理**：基于角色的访问控制，精细化权限分配
- **Markdown**：智能分块策略，含图片理解，分块标题补充，提升检索精度和问答质量
- **版本兼容**：适配最新 RAGFlow v0.20.5，持续更新支持
- **企业级安全**：数据加密、审计日志、合规性管理
- **性能优化**：专业性能调优，支持大规模并发
- **定制开发**：根据企业需求定制功能模块
- **专业支持**：根据企业需要，提供增值技术支持，快速响应

> 💡 **获取商业版**：微信联系 `skycode007`（备注"商业版咨询"）


### 🏗️ 系统架构

KnowFlow 采用分布式微服务架构，通过独立的服务组件为 RAGFlow 提供增强功能：

```mermaid
graph TB
    subgraph "用户端"
        User[👤 用户]
        Browser[🌐 浏览器]
        User --> Browser
    end

    subgraph "RAGFlow 生态系统"
        direction TB
        subgraph "RAGFlow 核心服务"
            RF_Frontend[RAGFlow 前端<br/>端口: 80/443]
            RF_Backend[RAGFlow 后端<br/>端口: 9380]
            RF_DB[(RAGFlow 数据库<br/>MySQL)]
            RF_ES[(Elasticsearch<br/>端口: 9200)]
            RF_Minio[(MinIO 存储<br/>端口: 9000)]
            RF_Redis[(Redis 缓存<br/>端口: 6379)]
        end
        
        subgraph "KnowFlow 扩展服务"
            direction TB
            KF_Backend[KnowFlow 后端<br/>端口: 5000<br/>• 用户管理<br/>• 团队协作<br/>• MinerU集成<br/>• API Token管理]
            KF_Gotenberg[Gotenberg 文档转换<br/>端口: 3000<br/>• PPT/Word/Excel转PDF<br/>• 文档格式标准化]
            
            subgraph "MinerU 解析引擎"
                MinerU_API[MinerU API 服务<br/>端口: 8888<br/>• OCR 文字识别<br/>• 图像提取<br/>• 文档结构分析]
                MinerU_VLM[VLM 视觉模型<br/>端口: 30000<br/>• 图像理解<br/>• 多模态分析]
            end
        end
    end

    %% 用户访问流程
    Browser --> RF_Frontend
    
    %% RAGFlow 内部服务通信
    RF_Frontend --> RF_Backend
    RF_Backend --> RF_DB
    RF_Backend --> RF_ES
    RF_Backend --> RF_Minio
    RF_Backend --> RF_Redis
    
    %% RAGFlow 与 KnowFlow 集成
    RF_Frontend -.->|API 调用| KF_Backend
    RF_Backend -.->|共享数据库| RF_DB
    
    %% KnowFlow 内部服务通信
    KF_Backend --> KF_Gotenberg
    KF_Backend --> MinerU_API
    MinerU_API --> MinerU_VLM
    
    %% KnowFlow 与 RAGFlow 数据层集成
    KF_Backend --> RF_DB
    KF_Backend --> RF_ES
    KF_Backend --> RF_Minio
    KF_Backend --> RF_Redis
```

**架构特点：**
- **🔌 独立服务**：KnowFlow 作为独立微服务运行，不修改 RAGFlow 核心代码
- **🔗 API 集成**：通过 RESTful API 与 RAGFlow 前端无缝集成
- **💾 共享数据层**：复用 RAGFlow 的数据库、存储等基础设施
- **⚡ 高性能解析**：集成 MinerU 2.x 引擎，支持 GPU 加速
- **📄 格式转换**：内置 Gotenberg 服务，支持多种文档格式转换

### 💡 核心功能

<div align="center">

| 📚 **智能文档解析** | 🧠 **增强检索问答** | 👥 **企业级管理** | 🔌 **开放集成** |
|-------------------|-------------------|------------------|----------------|
| • MinerU2.x OCR引擎<br>• 图文混排输出<br>• 多种分块策略<br>• 20+文档格式支持 | • 精准语义检索<br>• 上下文感知问答<br>• 多模态内容理解<br>• 实时知识更新 | • RBAC权限管理<br>• 团队协作空间<br>• 纯离线部署<br>• 企业微信集成<br>• LDAP/SSO支持 | • 插件化架构<br>• API开放接口<br>• 自定义扩展<br>• 第三方系统集成 |

</div>


### 🌟 核心优势

<div align="center">

| 🌟 | **KnowFlow 优势** |
|----|-------------------|
| 🔌 | **插件化架构**：无缝兼容 RAGFlow 任意版本，所有增强均可热插拔，升级无忧 |
| 🏗️ | **微服务设计**：通过独立服务方式增强 RAGFlow，不修改核心代码 |
| 🧩 | **分块策略丰富**：支持多种分块算法，检索更精准，适配多场景文档 |
| 🏢 | **企业级特性**：MinerU2.x OCR 引擎、RBAC权限管理、纯离线部署、企业微信、LDAP/SSO |
| 📈 | **最佳实践集成**：持续吸收社区优质方案，助力企业高效落地 |
| 🔧 | **简化部署**：一键安装脚本，Docker Compose 开箱即用 |

</div>


---

## 🚀 快速开始

### 方式一：Docker Compose 部署（推荐）

#### 前置要求
- Docker 20.10+ 
- Docker Compose 2.0+
- 至少 8GB 内存
- 可选：NVIDIA GPU + nvidia-container-toolkit（GPU加速）

#### 1. 启动文档解析服务

可以在 MinerU 和 Dots 服务中任选一种，推荐 Dots ，MarkDown 文件标题识别效果更好。

##### 1. 启动 MinerU 镜像

基于 SGLang 的 MinerU 完全离线部署方案，镜像包含所有必要的模型文件，无需运行时下载：

**SGLang 模式（推荐）- 支持所有后端模式**
```bash
docker run -d \
    --gpus all \
    -p 8888:8888 \
    -p 30000:30000 \
    -e MINERU_MODEL_SOURCE=local \
    -e SGLANG_MEM_FRACTION_STATIC=0.8 \
    --name mineru-sglang \
    zxwei/mineru-api-full:v2.1.11
```

**Pipeline 模式 - 仅支持标准 Pipeline 后端**
```bash
docker run -d \
    --gpus all \
    -p 8888:8888 \
    --name mineru-pipeline \
    -e MINERU_MODEL_SOURCE=local \
    -e INSTALL_TYPE=core \
    zxwei/mineru-api-full:v2.1.11
```


> 💡 **镜像特性：**
> - **完全离线部署**: 所有模型文件已预下载并打包在镜像中
> - **最新版本**: 使用 MinerU v2.1.11 最新版本
> - **SGLang 集成**: 基于 SGLang v0.4.7-cu124 官方镜像
> - **全功能支持**: 支持 Pipeline 和 VLM 两种模式
> - **高性能**: GPU 加速推理，支持 CUDA 12.4
> - **智能启动**: 支持环境变量配置，灵活的参数调优

##### 2. MinerU 服务地址配置

在 `/knowflow/server/services/config/settings.yaml` 配置文件中，配置 MinerU 服务地址以及解析模式:

```bash
  fastapi:
    # FastAPI 服务地址
    # 本地开发: http://localhost:8888
    # Docker部署: http://host.docker.internal:8888 (Docker Desktop)
    #           或 http://宿主机IP:8888 (Linux Docker)
    url: "http://宿主机IP:8888"
    
    # HTTP 请求超时时间（秒）
    timeout: 30000


   # VLM 后端配置
  vlm:
    sglang:
      # SGLang 服务器地址（vlm-sglang-client 后端需要）
      # Docker部署时同样需要使用宿主机IP或容器网络地址
      server_url: "http://宿主机IP:30000"
```


##### 1. 启动 Dots 镜像 

进入到 `knowflow/dots` 目录下, 执行拉取 Dots 镜像脚本，该脚本可以自动下载模型以及下载 Dots 镜像。

```bash
cd knowflow/dots
./deploy.sh
```

默认端口是 8000，如有冲突，可以手动调整 compose 文件。


##### 2. Dots 服务地址配置

在 `/knowflow/server/services/config/settings.yaml` 配置文件中，配置 Dots 服务地址以及解析模式:

```bash
dots:
  # VLLM 服务配置
  vllm:
    # DOTS OCR 服务地址
    # 远程服务示例: http://{ip}:8000
    # 本地服务示例: http://localhost:8000
    url: "http://localhost:8000"
    
    # 模型名称（根据部署配置调整）
    model_name: "dotsocr-model"
    
    # 请求超时时间（秒）
    timeout: 300
    
    # 生成参数
    temperature: 0.1
    top_p: 1.0
    max_completion_tokens: 16384
    
```



#### 2. 启动 KnowFlow 容器，开始使用

1. 拉取本项目代码：

```bash
git clone https://github.com/weizxfree/KnowFlow.git
```

2. 进入到 `docker` 目录执行（此步骤和 RAGFlow 官方一致）：

如有 GPU 则选择：
```bash
docker compose -f docker-compose-gpu.yml up -d
```

无 GPU 则选择：
```bash
docker compose -f docker-compose.yml up -d
```

访问地址：`http://服务器IP:80`，进入 KnowFlow 首页

#### 3. 默认管理员账户

系统启动后，请使用以下默认超级管理员账户登录：

```
邮箱：admin@gmail.com
密码：admin
```

> 💡 **安全提示：** 首次登录后，请及时修改默认密码以确保系统安全。


### 方式二：源码部署


#### 前置要求
- Python 3.9+
- Node.js 16+ 
- pnpm
- MinerU 服务（参考上述步骤）

#### KnowFlow 后端部署

1. **安装 Python 依赖**
```bash
cd knowflow/server
python3 -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate
pip install -r requirements.txt
```

2. **启动文件转换服务（可选）**
```bash
# 支持 PDF 以外文件格式需要启动此服务
docker run -d -p 3000:3000 gotenberg/gotenberg:8
```

3. **执行 install 脚本，初始化环境变量**

```bash
cd knowflow/
./scripts/install.sh --local
```

4. **启动 knowflow 后端服务**
```bash
python3 app.py
```

#### RAGFlow 后端部署

1. **修改 docker/entrypoint.sh 文件**
```bash
# 注释掉 nginx 行
# /usr/sbin/nginx
```

2. **激活 Python 虚拟环境**
```bash
source .venv/bin/activate
export PYTHONPATH=$(pwd)
```

3. **配置 HuggingFace 镜像（可选）**
```bash
# 如果无法访问 HuggingFace，设置镜像站点
export HF_ENDPOINT=https://hf-mirror.com
```

4. **检查配置文件**
确保 `conf/service_conf.yaml` 中所有主机和端口配置正确。

5. **启动后端服务**

方案一：

```bash
# 设置内存分配器和启动任务执行器
JEMALLOC_PATH=$(pkg-config --variable=libdir jemalloc)/libjemalloc.so
LD_PRELOAD=$JEMALLOC_PATH python rag/svr/task_executor.py 1

# 启动 API 服务器
python api/ragflow_server.py
```

方案二：

```bash
./local_entrypoint.sh
```


#### RAGFlow 前端部署

1. **安装 Node.js 依赖**
```bash
cd web
pnpm install
```

2. **启动开发服务器**
```bash
pnpm dev
```

浏览器访问启动后的地址，即可进入系统。

---

## 📋 功能详解

### 🎨 全新 UI 界面

基于 RAGFlow v0.20.1 二次开发，提供更加现代化的用户界面：

<div align="center">
  <img src="knowflow/assets/ui_1.png" alt="KnowFlow 主界面">
</div>

<div align="center">
  <img src="knowflow/assets/ui_2.png" alt="KnowFlow 知识库界面">
</div>

<div align="center">
  <img src="knowflow/assets/ui_3.png" alt="KnowFlow 知识库界面">
</div>

### 👥 用户后台管理系统

管理员可以进行统一的管理：

<div align="center">
  <img src="knowflow/assets/user-setting.png" alt="用户后台管理系统">
</div>


**核心特性：**
- **RBAC权限管理**：基于角色的访问控制，精细化权限分配
- **纯离线部署**：支持完全离线环境部署，满足高安全性要求
- 移除前端用户注册通道，管理员统一管理用户
- 用户管理、团队管理、模型配置管理
- 新用户自动加入创建时间最早用户的团队
- 继承团队模型配置，降低配置复杂度

### 📄 图文混排输出

**支持格式：** PPT、PNG、Word、DOC、Excel 等 20+ 种常见文件格式

**分块策略：**
1. **文档结构分块**：基于文档原生结构进行智能分块
2. **按标题分块**：根据标题层级自动划分内容块
3. **RAGFlow 原分块**：保持与官方完全一致的分块规则
4. **父子分块**：父块较大用于补充上下文，子块用于向量检索
5. **DOTS 解析**：先进的文档智能解析引擎，支持复杂版式和多模态内容

<div align="center">
  <img src="knowflow/assets/mulcontent.png" alt="图文混排示例">
</div>

### 💼 企业微信集成

支持企业微信应用，可将企业微信作为聊天机器人入口：

<div align="center">
  <img src="knowflow/assets/wecom.jpg" style="height: 400px;" alt="企业微信应用">
</div>

详细配置方式参照 `server/services/knowflow/README.md`

---

## ⚙️ 高级配置

### 🔧 MinerU 高级配置

#### 环境变量配置

通过环境变量自定义 MinerU 启动行为：

```bash
# 自定义 SGLang 服务器参数
docker run -d \
    --gpus all \
    -p 8888:8888 \
    -p 30000:30000 \
    -e MINERU_MODEL_SOURCE=local \
    -e SGLANG_TP_SIZE=2 \
    -e SGLANG_MEM_FRACTION_STATIC=0.9 \
    -e SGLANG_ENABLE_TORCH_COMPILE=true \
    --name mineru-sglang-custom \
    zxwei/mineru-api-full:v2.1.11
```

#### 配置文件挂载

**方法一：环境变量文件**
```bash
# 创建本地 .env 文件
cp .env.example .env
vim .env

# 挂载配置文件
docker run -d \
    --gpus all \
    -p 8888:8888 \
    -p 30000:30000 \
    -v $(pwd)/.env:/app/.env \
    -v $(pwd)/mineru.json:/root/mineru.json \
    -e MINERU_MODEL_SOURCE=local \
    --name mineru-sglang \
    zxwei/mineru-api-full:v2.1.11
```

**方法二：完整配置挂载（生产环境推荐）**
```bash
# 创建配置目录
mkdir -p config
cp .env config/
cp mineru.json config/

# 挂载整个配置目录
docker run -d \
    --gpus all \
    -p 8888:8888 \
    -p 30000:30000 \
    -v $(pwd)/config/.env:/app/.env \
    -v $(pwd)/config/mineru.json:/root/mineru.json \
    -v $(pwd)/data:/app/data \
    -v $(pwd)/output:/app/output \
    -e MINERU_MODEL_SOURCE=local \
    --name mineru-sglang \
    zxwei/mineru-api-full:v2.1.11
```

#### 环境变量配置示例

**.env 文件配置**：
```bash
# 基础配置
INSTALL_TYPE=all
MINERU_MODEL_SOURCE=local
API_PORT=8888
SGLANG_PORT=30000

# SGLang 性能参数
SGLANG_TP_SIZE=2                    # 张量并行大小
SGLANG_DP_SIZE=1                    # 数据并行大小
SGLANG_MEM_FRACTION_STATIC=0.8      # 内存分配比例
SGLANG_ENABLE_TORCH_COMPILE=true    # 启用编译优化
SGLANG_MAX_SEQ_LEN=8192             # 最大序列长度
SGLANG_BATCH_SIZE=64                # 批处理大小

# 高级配置
STARTUP_WAIT_TIME=20                # 启动等待时间
LOG_LEVEL=INFO                      # 日志级别
VERBOSE=true                        # 详细日志
```

#### 常见配置场景

**高性能配置（多 GPU）**
```bash
SGLANG_TP_SIZE=4
SGLANG_MEM_FRACTION_STATIC=0.85
SGLANG_ENABLE_TORCH_COMPILE=true
SGLANG_MAX_SEQ_LEN=16384
SGLANG_BATCH_SIZE=128
```

**内存受限环境**
```bash
SGLANG_TP_SIZE=1
SGLANG_MEM_FRACTION_STATIC=0.7
SGLANG_MAX_SEQ_LEN=4096
SGLANG_BATCH_SIZE=32
```

**仅 API 服务（不启动 SGLang）**
```bash
INSTALL_TYPE=core
```

#### MinerU 本地调试（开发环境）

如果需要在本地环境进行开发调试：

```bash
# 1. 安装 Python 依赖（注意：zsh 需要用引号包围方括号）
pip install "mineru[core]" fastapi uvicorn python-multipart

# 2. 设置环境变量
export MINERU_DEVICE_MODE=cpu
export MINERU_MODEL_SOURCE=modelscope

# 3. 进入项目目录
cd knowflow/web_api

# 4. 启动本地服务
python app.py
```

**配置 settings.yaml：**
```yaml
mineru:
  fastapi:
    # 本地开发服务地址
    url: "http://localhost:8888"
  
  vlm:
    sglang:
      # 本地SGLang服务地址（如果使用vlm-sglang-client后端）
      server_url: "http://localhost:30000"
```

#### DOTS 解析使用

**配置 DOTS 解析**
1. 在知识库设置中选择"DOTS"解析方式
2. 支持复杂文档版式和多模态内容理解
3. 提供更准确的文档结构识别

**使用步骤**
```bash
# 1. 创建知识库时选择 DOTS 解析器
# 2. 上传文档自动使用 DOTS 解析
# 3. 获得更精准的图文混排输出
```

#### API 使用示例

**健康检查**
```bash
curl http://localhost:8888/health
```

**文档解析 API**
```bash
# 上传文档进行解析
curl -X POST "http://localhost:8888/file_parse" \
     -F "file=@document.pdf" \
     -F "backend=pipeline"
```


---

## 🔧 编译 Docker（开发者）


### 编译 KnowFlow-Server 镜像

```bash
# 后端镜像
docker buildx build --platform linux/amd64 --target backend -t zxwei/knowflow-server:v0.3.0 --push .

# 前端镜像
docker buildx build --platform linux/amd64 --target frontend -t zxwei/knowflow-web:v0.3.0 --push .
```

### 编译 KnowFlow 全镜像

```bash
# 安装 uv
sudo snap install astral-uv --classic

# 安装 libicu
sudo apt-get update
sudo apt-get install -y python3.12-dev build-essential pkg-config libicu-dev

uv run download_deps.py
docker build -f Dockerfile.deps -t infiniflow/ragflow_deps .
docker build --build-arg LIGHTEN=1 -f Dockerfile -t infiniflow/ragflow:nightly-slim .


docker tag infiniflow/ragflow:nightly-slim zxwei/knowflow:v2.0.2
docker push zxwei/knowflow:v2.0.2

vim docker/.env 
RAGFLOW_IMAGE=infiniflow/ragflow:nightly-slim

```

---

## 开启管理员管理功能

默认注册的账号不具备管理员权限，如需使用管理功能，需要对账号进行授权。

运行 KnowFlow 之后，执行 `docker/set_superuser.sh` 脚本:

```bash
 ./set_superuser.sh set xxxx@xxx.com 
```

---

## 📋 TODO 清单

- [x] 支持更多文档格式的 MinerU 解析
- [x] 增强 MarkDown 文件的分块规则
- [x] 优化 Excel 文件分块
- [x] MinerU 2.0 接入
- [x] RAGFlow 前端 UI 源码开源
- [x] API Token 自动生成机制
- [x] MinerU 支持自动问题，自动关键词，Raptor，知识图谱 
- [ ] 文档审批工作流

---

## ❓ 常见问题

### 1. MinerU 镜像选择与特性

**zxwei/mineru-api-full:v2.1.11（推荐）：**
- ✅ **完全离线部署**: 所有模型文件已预下载并打包在镜像中
- ✅ **最新版本**: 使用 MinerU v2.1.11 最新版本
- ✅ **SGLang 集成**: 基于 SGLang v0.4.7-cu124 官方镜像
- ✅ **全功能支持**: 支持 Pipeline 和 VLM 两种模式
- ✅ **高性能**: GPU 加速推理，支持 CUDA 12.4
- ✅ **智能启动**: 默认支持环境变量配置，灵活的参数调优

### 2. 如何启用 GPU 加速？

1. **安装 nvidia-container-toolkit**
```bash
# 添加源
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/libnvidia-container/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | \
  sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

# 安装组件
sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit

# 重启 Docker
sudo systemctl restart docker
```

2. **启动容器时使用 GPU**
确保启动命令包含 `--gpus=all` 参数

3. **配置 GPU 后端**
```yaml
mineru:
  default_backend: "vlm-sglang-client"  # 使用 VLM 后端
```

### 3. MinerU 故障排除

#### 常见问题

**1. 构建时间过长**
- 模型下载需要时间，请耐心等待
- 建议使用 ModelScope 源（国内网络更快）

**2. 内存不足**
- 确保 Docker 有足够内存（建议 8GB+）
- 调整 `SGLANG_MEM_FRACTION_STATIC` 参数
- 可以分阶段构建或使用更大的机器

**3. GPU 不可用**
- 确保安装了 nvidia-docker2
- 检查 CUDA 驱动版本兼容性

**4. SGLang 服务启动失败**
- 检查 GPU 内存是否足够
- 调整 `SGLANG_TP_SIZE` 和 `SGLANG_MEM_FRACTION_STATIC`
- 增加 `STARTUP_WAIT_TIME` 等待时间

**5. 环境变量不生效**
- 确保 `.env` 文件格式正确（无空格、正确的键值对）
- 检查文件挂载路径是否正确
- 使用 `docker exec` 进入容器检查环境变量

**6. 端口冲突**
- 修改 `API_PORT` 和 `SGLANG_PORT` 环境变量
- 确保宿主机端口未被占用：
  - MinerU API 服务：8888
  - SGLang 服务：30000
  - KnowFlow 前端：8081
  - KnowFlow 后端：5000

**7. 配置文件挂载问题**
- 确保配置文件路径正确且文件存在
- 检查文件权限（建议 644 权限）
- 验证 JSON 格式是否正确（使用 `jq` 工具验证）
- 确保挂载路径与容器内路径匹配

**8. 模型路径配置错误**
- 检查 `mineru.json` 中的 `models-dir` 配置
- 确保模型文件在指定路径存在
- 验证模型文件完整性

#### 日志查看与调试

```bash
# 查看容器日志
docker logs mineru-sglang

# 实时查看日志
docker logs -f mineru-sglang

# 进入容器检查配置
docker exec -it mineru-sglang bash

# 检查环境变量
docker exec mineru-sglang env | grep -E "(SGLANG|API|MINERU)"

# 验证配置文件
docker exec mineru-sglang cat /app/.env
docker exec mineru-sglang cat /root/mineru.json

# 检查模型文件
docker exec mineru-sglang ls -la /app/models/

# 验证 JSON 配置格式
docker exec mineru-sglang jq . /root/mineru.json
```

**网络连接问题：**
检查防火墙设置和容器网络配置

**图片显示问题：**
确保聊天助手提示词包含图片显示指令：

> 请参考{knowledge}内容回答用户问题。<br>
> 如果知识库内容包含图片，请在回答中包含图片URL。<br>
> 注意这个 html 格式的 URL 是来自知识库本身，URL 不能做任何改动。<br>
> 请确保回答简洁、专业，将图片自然地融入回答内容中。

### 4. 性能优化建议

1. **使用 GPU**: 启用 GPU 加速可显著提升处理速度
2. **内存配置**: 为容器分配足够内存（推荐 8GB+）
3. **存储优化**: 使用 SSD 存储可提升 I/O 性能
4. **网络配置**: 如需外网访问，配置适当的防火墙规则

---


## 📄 许可证

**KnowFlow** 采用 [GNU Affero General Public License v3.0 (AGPL-3.0)](LICENSE) 开源许可证。

### ✅ 您可以自由地：
- **使用**：个人学习、研究、开发和部署
- **修改**：根据需要修改源代码  
- **分发**：分享给他人使用
- **贡献**：提交 PR 和 Issue，参与开源协作

### ⚠️ 重要限制条件：
- **源码开放**：如果您修改了 KnowFlow 并通过网络提供服务，必须向用户提供修改后的完整源代码
- **相同许可**：基于 KnowFlow 的衍生作品必须同样采用 AGPL-3.0 许可证
- **版权保留**：保留原始版权声明和许可证信息

### 🏢 商业使用说明
AGPL-3.0 允许商业使用，但有重要约束：
- 如果您将修改版本作为网络服务提供，必须开源所有修改
- 如果这不符合您的商业需求，请联系获取商业许可

### 📞 商业许可咨询
- 💬 微信：skycode007（备注"商业授权咨询"）

> **注意**：AGPL-3.0 是一个严格的 copyleft 许可证，特别适用于网络服务。使用前请仔细阅读 [完整许可证条款](LICENSE)。


---

## 🤝 社区与支持

### 💬 交流群

如有需求或问题建议，可加入交流群讨论。

加微信 `skycode007`，备注"加群"即可。

### 📢 更新信息

项目持续更新中，更新日志会在微信公众号 **[KnowFlow 企业知识库]** 发布，欢迎关注。

[![Star History Chart](https://api.star-history.com/svg?repos=weizxfree/KnowFlow&type=Date)](https://star-history.com/#weizxfree/KnowFlow&Date)


### 🙏 鸣谢

本项目基于以下开源项目开发：

- [ragflow](https://github.com/infiniflow/ragflow) - 核心 RAG 框架

---

<div align="center">
  <p>⭐ 如果这个项目对您有帮助，请不要忘记点个 Star！</p>
  <p>🚀 让我们一起构建更好的企业知识库解决方案！</p>
</div>