Um produto pronto, do documento à resposta, que você roda em um único servidor, cujo histórico de segurança diz que ele pertence a um lugar atrás de uma VPN, não à internet aberta. Damos nota 4.0 de 5.

Quanto custa RAGFlow?

Gratuito e de código aberto sob a licença Apache 2.0. A InfiniFlow também vende o RAGFlow Cloud: Free (500 créditos por mês, sem chave de API), Starter $29/mês e Pro $129/mês (cada um exibido contra um preço maior de $59 e $259) e Enterprise sob consulta, com BYOC e implantação on-premises.

Quais são as desvantagens de RAGFlow?

Cinco avisos críticos desde 2025, incluindo execução remota de código; a 1.0 ainda está em release candidates; a migração é de mão única; a imagem Docker exige 16 GB de RAM e não suporta macOS; menos flexível que frameworks centrados em código.

Quanto custa RAGFlow para uma equipe ou em produção?

Auto-hospedado, o custo é o servidor mais as chamadas de modelo. O RAGFlow Cloud em ragflow.io é a alternativa paga: Starter $29/mês para 5 membros e 5,000 créditos, Pro $129/mês para 20 membros e 20,000 créditos; o que um crédito compra não é informado ali. Uma VM de 4 núcleos e 16 GB é o mínimo documentado; modelos locais ou embeddings em GPU somam a isso.

RAGFlow é seguro para dados da empresa?

Documentos, chunks e chats ficam nos seus próprios contêineres de MySQL, MinIO e Elasticsearch ou Infinity; o texto vai para os provedores de modelo que você configurar. O README não menciona telemetria, e o único código de telemetria no repositório é rastreamento OpenTelemetry, que só roda quando você configura um coletor. Oito avisos no GitHub, cinco críticos, foram publicados, e a v0.27.3 acrescentou mais correções de isolamento por inquilino e de SSRF.

Quais são as melhores alternativas ao RAGFlow?

As alternativas mais próximas que analisamos são LlamaIndex, Haystack e GraphRAG.

RAGFlow análise do repo no GitHub (2026)

O que é RAGFlow?

O RAGFlow é uma aplicação de RAG completa que você mesmo roda. Ele faz o parsing de documentos com seu próprio reconhecimento de layout e tabelas (DeepDoc), monta bases de conhecimento e permite conversar sobre elas ou construir agentes em uma interface web.

A versão 1.0 reescreve o backend em Go para reduzir o uso de recursos. Release candidates saíram em 29 de setembro e 16 de outubro de 2026; uma 1.0 final ainda não tinha saído no momento da verificação. A linha 0.x continua recebendo versões: a v0.27.3 chegou em 23 de outubro de 2026 com uma longa lista de correções de autorização e SSRF. A atualização para a 1.0 roda uma migração de dados que não pode ser revertida.

Recursos recentes incluem o Knowledge Compilation, que transforma documentos em wikis, grafos, linhas do tempo e estruturas parecidas, e um modo de chat Agentic que, na rc2, substituiu os antigos níveis de raciocínio de Low a Ultra.

RAGFlow vale a pena?

O RAGFlow é o produto de RAG auto-hospedado com mais seguidores, com cerca de 92,700 estrelas no GitHub, e a questão para quem o adota no fim de 2026 é a exposição, não a capacidade. O GitHub lista oito avisos de segurança para o projeto, cinco classificados como críticos: duas falhas de server-side template injection que levavam a execução remota de código em abril e maio de 2026, um bug de execução de código por zip-slip no parser MinerU em janeiro, um contorno de autenticação por token previsível e uma injeção de SQL. Em outubro, um aviso de alta severidade mostrou que o endpoint de agente compatível com OpenAI podia contornar a autorização de canvas privados.

O motivo pelo qual as pessoas aceitam isso é o produto. O DeepDoc preserva tabelas e o layout das páginas que a extração de texto simples achata, os chunks podem ser inspecionados e corrigidos na interface, e o construtor de agentes fica no mesmo app, então uma equipe consegue montar um assistente de conhecimento sem escrever um pipeline. O ponto de partida do README é modesto: 4 núcleos de CPU, 16 GB de RAM e 50 GB de disco, com Docker 24 ou posterior.

A reescrita em Go é ambiciosa e não está terminada. Segundo as notas da rc1, ela troca o Redis pelo NATS, usa o Kvrocks para cache e checkpoints, remove aliases de API obsoletos e o sandbox local, e roda o DeepDoc só em CPU. A atualização exige estar primeiro na 0.27.2 e é irreversível. A rc2 manteve a compatibilidade com os dados da rc1 e acrescentou imagens arm64, e a v0.27.3, uma semana depois, mostra que a linha 0.x ainda recebe correções, embora o projeto não publique uma política de suporte para ela.

Diante de frameworks de código como LlamaIndex ou Haystack, o RAGFlow troca flexibilidade por uma interface pronta. Quem não é engenheiro pode enviar arquivos e conferir chunks, mas mudar a lógica de recuperação além das configurações da interface significa trabalhar em um código que muda rápido, com mais de 1,300 issues e pull requests abertos.

Onde ele se destaca

Um líder de TI em uma consultoria de engenharia de 150 pessoas
Dar aos funcionários um assistente pesquisável sobre relatórios de projetos, especificações e planilhas
Rodar a pilha Docker Compose em um servidor interno (4 núcleos, 16 GB de RAM e 50 GB de disco são o ponto de partida do README), conectar um LLM hospedado ou local e deixar as equipes enviarem documentos. O custo de licença é zero; mantenha-o na rede interna, dados os avisos de execução de código do projeto.
Um engenheiro de plataforma com uma implantação de produção do RAGFlow 0.27
Passar para o backend em Go sem perder as bases de conhecimento
Atualizar primeiro para a v0.27.2, fazer backup de tudo e depois iniciar a 1.0; a migração roda na inicialização e não pode ser revertida. Scripts que chamam aliases obsoletos da API HTTP vão quebrar, embora o SDK Python não seja afetado.
Uma equipe de compliance em uma seguradora de porte médio com PDFs de apólices digitalizados
Responder perguntas sobre documentos em que as tabelas carregam o significado
O reconhecimento de layout e tabelas do DeepDoc preserva a estrutura das tabelas, e os chunks podem ser conferidos e editados na interface antes que alguém confie nas respostas. O parsing roda em CPU nas candidatas da 1.0, então planeje a ingestão de um grande acervo antigo de acordo.

Antes de decidir

Configuração: Clone o repositório, faça checkout de uma tag de versão e rode docker compose up -d com Docker 24.0.0+ e Compose v2.26.1+; aumente vm.max_map_count para 262144 se usar Elasticsearch. A imagem Docker não suporta macOS. Depois adicione provedores de LLM, embedding e reranker na interface web, na porta 80.
Integrações: SDK Python e API HTTP, um endpoint de completion de agentes compatível com OpenAI, ferramentas MCP dentro dos agentes, muitos provedores de modelos hospedados e fontes de dados incluindo sitemaps, BigQuery, Feishu, MySQL, PostgreSQL e Zotero.
Dados e privacidade: Documentos, chunks e chats ficam nos seus próprios contêineres de MySQL, MinIO e Elasticsearch ou Infinity; o texto vai para os provedores de modelo que você configurar. O README não menciona telemetria, e o único código de telemetria no repositório é rastreamento OpenTelemetry, que só roda quando você configura um coletor. Oito avisos no GitHub, cinco críticos, foram publicados, e a v0.27.3 acrescentou mais correções de isolamento por inquilino e de SSRF.
Custo em escala: Auto-hospedado, o custo é o servidor mais as chamadas de modelo. O RAGFlow Cloud em ragflow.io é a alternativa paga: Starter $29/mês para 5 membros e 5,000 créditos, Pro $129/mês para 20 membros e 20,000 créditos; o que um crédito compra não é informado ali. Uma VM de 4 núcleos e 16 GB é o mínimo documentado; modelos locais ou embeddings em GPU somam a isso.
Limites: Mais de 1,300 issues e pull requests abertos. A 1.0 remove o sandbox local e os aliases de API obsoletos e roda o DeepDoc só em CPU; até a 1.0 ser final, implantações de produção ficam na 0.27.x.

O que é bom

Parsing que entende layout e tabelas, com inspeção de chunks na interface
Construtor de agentes e Knowledge Compilation no mesmo app
Apache 2.0, totalmente auto-hospedado
Muito ativo: versões 0.x e 1.0 no mesmo mês

O que não é

Cinco avisos críticos desde 2025, incluindo execução remota de código
A 1.0 ainda está em release candidates; a migração é de mão única
A imagem Docker exige 16 GB de RAM e não suporta macOS
Menos flexível que frameworks centrados em código

Ideal para

Equipes que querem um assistente de perguntas e respostas sobre documentos e de conhecimento, auto-hospedado, sem construir um pipeline.

Alternativas ao RAGFlow

LlamaIndex

RAG & dataPython53k stars

4.3/5

Python framework for connecting LLMs to your documents, with ingestion, indexing, retrieval and event-driven agent Workflows.

Haystack

RAG & dataPython27k stars

4.2/5

deepset's open-source Python framework for production RAG pipelines and agents, built from explicit, typed components.

GraphRAG

RAG & dataPython36k stars

3.5/5

Microsoft Research pipeline that builds a knowledge graph and community summaries from documents to answer whole-dataset questions.

RAGFlow: perguntas frequentes

RAGFlow vale a pena?: Um produto pronto, do documento à resposta, que você roda em um único servidor, cujo histórico de segurança diz que ele pertence a um lugar atrás de uma VPN, não à internet aberta. Damos nota 4.0 de 5.
Quanto custa RAGFlow?: Gratuito e de código aberto sob a licença Apache 2.0. A InfiniFlow também vende o RAGFlow Cloud: Free (500 créditos por mês, sem chave de API), Starter $29/mês e Pro $129/mês (cada um exibido contra um preço maior de $59 e $259) e Enterprise sob consulta, com BYOC e implantação on-premises.
Quais são as desvantagens de RAGFlow?: Cinco avisos críticos desde 2025, incluindo execução remota de código; a 1.0 ainda está em release candidates; a migração é de mão única; a imagem Docker exige 16 GB de RAM e não suporta macOS; menos flexível que frameworks centrados em código.
Para quem RAGFlow é indicado?: Equipes que querem um assistente de perguntas e respostas sobre documentos e de conhecimento, auto-hospedado, sem construir um pipeline.
Quanto custa RAGFlow para uma equipe ou em produção?: Auto-hospedado, o custo é o servidor mais as chamadas de modelo. O RAGFlow Cloud em ragflow.io é a alternativa paga: Starter $29/mês para 5 membros e 5,000 créditos, Pro $129/mês para 20 membros e 20,000 créditos; o que um crédito compra não é informado ali. Uma VM de 4 núcleos e 16 GB é o mínimo documentado; modelos locais ou embeddings em GPU somam a isso.
RAGFlow é seguro para dados da empresa?: Documentos, chunks e chats ficam nos seus próprios contêineres de MySQL, MinIO e Elasticsearch ou Infinity; o texto vai para os provedores de modelo que você configurar. O README não menciona telemetria, e o único código de telemetria no repositório é rastreamento OpenTelemetry, que só roda quando você configura um coletor. Oito avisos no GitHub, cinco críticos, foram publicados, e a v0.27.3 acrescentou mais correções de isolamento por inquilino e de SSRF.
Quais são as melhores alternativas ao RAGFlow?: As alternativas mais próximas que analisamos são LlamaIndex, Haystack e GraphRAG.

Respostas verificadas em 26 de out. de 2026.