12 · 术语表（Glossary）

术语表

术语表

相关源文件

本章引用的主要源码文件：

• README.md
• README_ar.md
• README_fr.md
• README_id.md
• README_ja.md
• README_ko.md
• README_pt_br.md
• README_tr.md
• README_tzh.md
• README_zh.md
• admin/server/admin_server.py
• agent/canvas.py
• agent/component/agent_with_tools.py
• agent/component/base.py
• agent/component/categorize.py
• agent/component/llm.py
• agent/tools/base.py
• api/apps/__init__.py
• api/apps/llm_app.py
• api/db/__init__.py
• api/db/db_models.py
• api/db/init_data.py
• api/db/services/dialog_service.py
• api/db/services/document_service.py
• api/db/services/file_service.py
• api/db/services/knowledgebase_service.py
• api/db/services/llm_service.py
• api/db/services/task_service.py
• api/db/services/user_service.py
• api/ragflow_server.py
• api/settings.py
• api/utils/api_utils.py
• common/mcp_tool_call_conn.py
• conf/llm_factories.json
• conf/service_conf.yaml
• deepdoc/parser/excel_parser.py
• docker/.env
• docker/README.md
• docker/service_conf.yaml.template
• docs/guides/manage_files.md
• docs/quickstart.mdx
• rag/app/book.py
• rag/app/laws.py
• rag/app/manual.py
• rag/app/naive.py
• rag/app/one.py
• rag/app/paper.py
• rag/app/presentation.py
• rag/app/qa.py
• rag/app/table.py
• rag/llm/__init__.py
• rag/llm/chat_model.py
• rag/llm/cv_model.py
• rag/llm/embedding_model.py
• rag/llm/rerank_model.py
• rag/llm/sequence2txt_model.py
• rag/llm/tts_model.py
• rag/nlp/__init__.py
• rag/nlp/search.py
• rag/prompts/generator.py
• rag/raptor.py
• rag/svr/task_executor.py
• rag/utils/redis_conn.py
• test/testcases/test_web_api/test_system_app/test_apps_init_unit.py
• web/src/components/svg-icon.tsx
• web/src/constants/llm.ts
• web/src/pages/user-setting/setting-model/constant.ts
• web/src/utils/common-util.ts

本页面提供了代码库特定术语、领域概念以及 RAGFlow 中使用的架构术语的定义和技术说明。

目的与范围

RAGFlow 术语表作为新入职工程师的参考，帮助他们理解 Python 后端、Go 服务器和 React 前端中使用的特定命名规范。它将高层级的检索增强生成（RAG）概念与 rag/、api/ 和 agent/ 目录中的具体实现联系起来。

核心领域术语

检索增强生成（RAG，召回-Augmented 生成）

系统的核心架构模式。它涉及从数据存储中检索相关的文档片段，为大语言模型（LLM）提供上下文，从而生成有依据的响应 README.md:75-78。

数据集（知识库）

属于某个租户的逻辑文档集合。在代码中，通常被称为 Knowledgebase 或 KB。

• 代码实体： KnowledgebaseService api/db/services/knowledgebase_service.py:34-34
• 数据库表： knowledgebase api/db/db_models.py:113-113
• 本地化： 英文 UI 中称为 "Dataset"，中文 UI 中称为 "知识库" README_zh.md:77-77。

片段切分（解析）

将文档分解为更小、可搜索单元的过程。RAGFlow 使用"基于模板的片段切分"，根据文档结构应用不同的解析器 README.md:120-124。

• 代码实体： ParserType common/constants.py:72-72
• 实现： task_executor.py 中的 FACTORY 将解析器类型（例如 NAIVE、PAPER、BOOK、QA）映射到具体的实现模块 rag/svr/task_executor.py:103-120。

嵌入向量

将文本片段转换为数值向量的过程。这些向量存储在文档存储中，用于相似性搜索。

• 代码实体： Base 嵌入向量类 rag/llm/embedding_model.py:107-114
• 内置支持： BuiltinEmbed 处理本地嵌入向量推理，通常通过 settings.EMBEDDING_CFG 进行配置 rag/llm/embedding_model.py:123-142。

重排序

一个二阶段检索过程，其中专门的模型（重排序器）根据查询对检索到的片段进行相关性评分，以提高精确度 README.md:138-139。

• 代码实体： RerankModel 工厂映射 api/apps/llm_app.py:29-29

代码库特定术语

对话（助手）

一个配置对象，定义了聊天的行为方式，包括它搜索哪些数据集、使用哪个大语言模型（LLM）以及系统提示词。

• 代码实体： DialogService api/db/services/dialog_service.py:98-99
• 数据库表： dialog api/db/db_models.py:653-653

会话（对话）

用户与对话或代理之间的交互。

• 数据库表： conversation api/db/db_models.py:701-701
• 服务层： ConversationService api/db/services/conversation_service.py:34-34

租户

多租户的顶层实体。所有数据集、文档和大语言模型（LLM）配置都限定在 tenant_id 范围内。

• 模型包装器： LLMBundle api/db/services/llm_service.py:105-105
• 模型配置： get_model_config_by_type_and_name 检索特定租户的大语言模型（LLM）设置 api/db/joint_services/tenant_model_service.py:78-78

任务执行器

负责处理繁重任务的后台工作进程，例如文档解析、嵌入向量和 GraphRAG 索引。它从 Redis Streams 中消费任务。

• 关键逻辑： task_executor.py 使用信号量（如 task_limiter）管理并发任务处理 rag/svr/task_executor.py:142-149。
• 任务类型： 将 dataflow、raptor、memory 等标识符映射到 PipelineTaskType rag/svr/task_executor.py:122-129。

记忆

AI 代理跨会话持久化信息的功能，分为原始、语义、情景和程序等类型 README.md:92-92。

• 代码实体： handle_save_to_memory_task rag/svr/task_executor.py:39-39
• 任务类型： PipelineTaskType.MEMORY rag/svr/task_executor.py:127-127

系统空间映射

自然语言到代码实体映射

此图展示了 UI/文档中面向用户的概念如何映射到后端的特定类和数据库模型。

概念映射图

来源：api/db/db_models.py:113-653，api/db/services/knowledgebase_service.py:34-34，api/db/services/dialog_service.py:98-99，api/db/services/document_service.py:41-42，api/db/db_models.py:1126-1126

任务执行数据流

映射文档处理任务从"自然语言空间"（用户操作）到"代码实体空间"（后台处理）的生命周期。

任务生命周期图

来源：rag/svr/task_executor.py:103-120，rag/svr/task_executor.py:161-181，api/db/services/document_service.py:41-42，api/db/services/task_service.py:32-32

技术缩写

来源：README.md:75-139，rag/llm/embedding_model.py:134-138，rag/svr/task_executor.py:43-127，agent/canvas.py:29-29，rag/llm/chat_model.py:39-51