ragflow
★ 92.7k
vs
wet
★ 19
ragflow vs wet
ragflow：RAGFlow 是一个领先的开源检索增强生成 (RAG) 引擎，它融合了RAG与Agent能力。RAGFlow 为大型语言模型提供卓越的上下文层，并为各种规模的企业提供简化的RAG工作流。；wet：WET是一个开源的MCP服务器，旨在为AI代理提供高级的网络功能。它提供网络搜索、内容提取和图书馆文档索引，为代理驱动的任务提供全面的数据检索。
01
简评
ragflowRAG / Knowledge Base · ★ 92.7k
何时选择它（优势与适用）：
- 你的文档版面复杂（PDF、扫描件、表格、幻灯片），需要深度版面分析、OCR 表格识别以及可溯源的原文引用。
- 希望使用 Apache-2.0 许可的一体化 RAG 平台，能在 Web 界面中直观预览并手工微调基于模板的切分结果。
何时考虑替代方案：
- 服务器配置低于 4 核 CPU / 16 GB 内存；RAGFlow 的多组件服务栈对资源要求较高。
- 你需要的是实时联网搜索并撰写长篇带引用研究报告的自主调研智能体，而非本地知识库检索；GPT Researcher 更适合。
wetRAG / Knowledge Base · ★ 19
AI代理网络探索：使AI代理能够执行全面的网络搜索并检索相关内容以完成各种任务，从而促进知情决策。
02
并排对比
03
功能特性
ragflow01基于深度文档理解的非结构化数据知识提取。
02智能且基于模板的块切分，具有可解释的选项。
03带有溯源引用的基础性引用，减少幻觉。
04兼容异构数据源，包括文档、图片和网页。
05自动化且便捷的RAG工作流编排，支持可配置模型和融合重排序。
wet01网络搜索：内置SearXNG元搜索（支持Google、Bing、DuckDuckGo、Brave），具备查询扩展、TTL缓存和标准化引用格式，可选择云搜索后端作为备用链。
02学术研究：可搜索Google学术、Semantic Scholar、arXiv、PubMed、CrossRef和BASE等主要学术数据库。
03图书馆文档：通过FTS5混合搜索、HyDE增强检索自动发现和索引图书馆文档，并支持特定版本查询。
04内容提取：采用5种策略的升级链进行强大的URL内容提取，生成包含结构化输出（文本、Markdown、JSON-LD、代码块、元数据）的智能分块，支持批量处理、深度抓取、本地文件转换和反机器人策略。
05零配置备用：通过内置的fastretrieval实现本地参考嵌入和重排序，无需API密钥即可开箱即用，同时支持可选的云提供商以获得更高质量的结果。
04
使用场景
ragflow↳利用复杂数据构建高保真、可用于生产的AI系统。
↳开发企业级知识库和智能问答聊天机器人。
↳促进智能文档处理和高级信息检索。
wet↳AI代理网络探索：使AI代理能够执行全面的网络搜索并检索相关内容以完成各种任务，从而促进知情决策。
↳自动化研究与知识收集：自动化进行学术和图书馆文档研究，有效地收集并向AI代理提供结构化信息以进行分析和综合。
↳内容分析与摘要：促进从URL和本地文件进行高级内容提取，为深入分析、摘要或集成到检索增强生成（RAG）系统中准备数据。
↳开发者文档查询：为AI代理提供对综合性库和项目文档的版本感知访问，协助编码、调试和问题解决。
05
适合场景
ragflow最受欢迎必备神器时下流行
wet—
FAQ
常见问题
ragflow 和 wet 有什么区别？
ragflow 和 wet 都属于 RAG / Knowledge Base 类别。ragflow 有 92.7k Stars，wet 有 19 Stars。
ragflow 和 wet 哪个更好？
最佳选择取决于你的具体需求。利用复杂数据构建高保真、可用于生产的AI系统。 时选 ragflow，AI代理网络探索：使AI代理能够执行全面的网络搜索并检索相关内容以完成各种任务，从而促进知情决策。 时选 wet。
ragflow 是免费的吗？
是的，ragflow 在 GitHub 开源（Apache-2.0）。
wet 是免费的吗？
是的，wet 在 GitHub 开源（Apache-2.0）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→