RagFlow是一个基于 LLM 的问答系统，能够快速构建智能问答平台。然而，RagFlow 默认的知识库上传界面存在一些局限性：每次只能上传有限数量的文件，并且上传后还需手动启动解析流程，当需要上传大量文件时，这样的操作便显得有些繁琐。
为了简化这一过程，我编写了一个脚本，该脚本可以遍历指定目录，自动逐个将文档上传至 RagFlow 知识库，并立即启动解析。当一个文档解析完成后，脚本将自动上传并解析下一个文档。特别是在需要上传大量文件时，这显著减少了人工干预，避免了手动分批上传和解析的等待时间。
（例如，我自己需要将mac中所有备忘录内容导入到知识库中查询）
可以在Releases这里的Assets中下载编译好的最新版本客户端，打开客户端后根据issues#2填写相关配置即可。
如果想要自己构建windows / MAC / linux系统下的可执行程序，可参考scripts/README.md中的说明进行构建。
如果需要以源码方式运行，可参考下面几个步骤：
使用miniconda创建env环境
conda create -n ragflow-upload python=3.10.13 -yconda activate ragflow-uploadpip install -r requirements.txt复制并配置ragflows/configs.py
关于配置文件的说明可参考这个：issues #2
cp ragflows/configs.demo.py ragflows/configs.pypython ragflows/main.py执行脚本提示: ModuleNotFoundError: No module named 'ragflows'
一般在
vscode/pycharm或者其他IDE中执行时不会遇到这个问题，但如果直接在终端窗口中执行时可能会遇到。
解决方法：
在执行脚本前，配置临时环境变量PYTHONPATH指向当前项目目录（.表示当前所在目录）。
-
Linux/macOS系统：
export PYTHONPATH=. python ragflows/main.py -
Windows系统 (CMD)：
set PYTHONPATH=. python ragflows/main.py -
Windows系统 (PowerShell)：
$env:PYTHONPATH = "." python ragflows/main.py
