系列: RAGFlow v0.25.0 源码深度解析
作者: 耿雨飞
前置知识: 已完成第十二课"混合检索引擎 – 从索引到召回"的学习
导读
在前面的课程中，我们分别学习了文档解析（DeepDoc）、文本分块（Chunker）和混合检索引擎（Dealer）。但在实际的 RAG 系统中，一份文档从上传到可被检索，需要经历一系列处理步骤：文件读取 → 格式解析 → 文本分块 → 内容增强 → 分词/Embedding → 索引写入。如何将这些步骤组织成一个可配置、可监控、可取消的处理流程？
RAGFlow 采用管线式（Pipeline）数据处理框架来解决这个问题。这个框架基于agent/canvas.py中的Graph有向图引擎，将每个处理步骤封装为独立的组件（Component），通过 JSON DSL 配置组件间的上下游关系，由Pipeline按拓扑顺序逐步执行。每个组件都继承自统一的ProcessBase基类，支持异步执行、超时控制、进度回调和取消检测。
本课将深入rag/flow/目录，从管线架构、组件基类、核心组件实现，到索引写入和进度追踪——完整拆解 RAGFlow 的数据处理管线。
学习目标
- 理解 RAGFlow 管线架构的整
