Update README_zh.md (#183)

README_zh.md

@@ -1 +1,174 @@
-[English](./README.md) | 简体中文
+<div align="center">
+<a href="https://demo.ragflow.io/">
+<img src="https://github.com/infiniflow/ragflow/assets/12318111/f034fb27-b3bf-401b-b213-e1dfa7448d2a" width="320" alt="ragflow logo">
+</a>
+</div>
+
+
+<p align="center">
+  <a href="./README.md">English</a> |
+  <a href="./README_zh.md">简体中文</a> 
+</p>
+
+<p align="center">
+    <a href="https://demo.ragflow.io" target="_blank">
+        <img alt="Static Badge" src="https://img.shields.io/badge/RAGFLOW-LLM-white?&labelColor=dd0af7"></a>
+    <a href="https://hub.docker.com/r/infiniflow/ragflow" target="_blank">
+        <img src="https://img.shields.io/badge/docker_pull-ragflow:v1.0-brightgreen"
+            alt="docker pull ragflow:v1.0"></a>
+      <a href="https://github.com/infiniflow/ragflow/blob/main/LICENSE">
+    <img height="21" src="https://img.shields.io/badge/License-Apache--2.0-ffffff?style=flat-square&labelColor=d4eaf7&color=7d09f1" alt="license">
+  </a>
+</p>
+
+## 💡 RAGFlow 是什么？
+
+[RAGFlow](http://demo.ragflow.io) 是一款基于大型语言模型（LLM）、深度文档理解和多路找回（multiple recall）构建的开源检索增强型生成引擎（Retrieval-Augmented Generation Engine）。RAGFlow 可以为各种规模的企业提供一套精简的 RAG 工作流程,通过生成式 AI （Generative AI）知识管理平台提供可靠的问答以及有理有据的引用。
+
+## 🌟 主要功能
+ 
+### 🍭 **"Quality in, quality out"**
+  - 基于深度文档理解，能够从各类复杂格式的非结构化数据中提取真知灼见。
+  - 真正在无限上下文（token）的场景下快速完成大海捞针测试。
+
+### 🍱 **基于模板的文本切片**
+  - 不仅仅是智能，更重要的是可控可解释。
+  - 多种文本模板可供选择
+
+### 🌱 **有理有据、最大程度降低幻觉（hallucination）**
+  - 文本切片过程可视化，支持手动调整。
+  - 有理有据：答案提供关键引用的快照并支持追根溯源。
+
+### 🍔 **Compatibility with heterogeneous data sources**
+  - 支持 Word 文档、PPT、excel 表格、txt 文件、图片、PDF、影印件、复印件、结构化数据, 网页等。
+
+### 🛀 **全程无忧、自动化的 RAG 工作流**
+  - 全面优化的 RAG 工作流可以支持从个人应用乃至超大型企业的各类生态系统。
+  - 大语言模型 LLM 以及向量模型均支持配置。
+  - 基于多路找回、融合重排序。
+  - 提供易用的 APIs，可以轻松集成到各类企业系统。
+
+## 🔎 系统架构
+
+<div align="center" style="margin-top:20px;margin-bottom:20px;">
+<img src="https://github.com/infiniflow/ragflow/assets/12318111/d6ac5664-c237-4200-a7c2-a4a00691b485" width="1000"/>
+</div>
+
+## 🎬 快速开始
+
+### 📝 前提条件
+
+- CPU >= 2 核
+- RAM >= 8 GB
+- Docker
+  > 如果你并没有在本机安装 Docker（Windows、Mac，或者 Linux）, 可以参考文档 [Install Docker Engine](https://docs.docker.com/engine/install/) 自行安装。
+
+### 🚀 启动服务器
+
+1. 确保 `vm.max_map_count` 大于 65535：
+
+   > 如需确认 `vm.max_map_count` 的大小：
+   >
+   > ```bash 
+   > $ sysctl vm.max_map_count
+   > ```
+   >
+   > 如果 `vm.max_map_count` 的值不大于 65535，可以进行重置：
+   >
+   > ```bash
+   > # 这里我们设为 262144:
+   > $ sudo sysctl -w vm.max_map_count=262144
+   > ```
+   >
+   > 你的改动会在下次系统重启时被重置。如果希望做永久改动，还需要在 **/etc/sysctl.conf** 文件里把 `vm.max_map_count` 的值再相应更新一遍：
+   >
+   > ```bash
+   > vm.max_map_count=262144
+   > ```
+
+2. 克隆仓库：
+
+   ```bash
+   $ git clone https://github.com/infiniflow/ragflow.git
+   ```
+
+3. 进入 **docker** 文件夹，利用提前编译好的 Docker 镜像启动服务器：
+
+   ```bash
+   $ cd ragflow/docker
+   $ docker compose up -d
+   ```
+
+   > 核心镜像文件大约 15 GB，可能需要一定时间拉取。请耐心等待。
+
+4. 服务器启动成功后再次确认服务器状态：
+   ```bash
+   $ docker logs -f ragflow-server
+   ```
+   *出现以下界面提示说明服务器启动成功：*
+
+   ```bash
+       ____                 ______ __               
+      / __ \ ____ _ ____ _ / ____// /____  _      __
+     / /_/ // __ `// __ `// /_   / // __ \| | /| / /
+    / _, _// /_/ // /_/ // __/  / // /_/ /| |/ |/ / 
+   /_/ |_| \__,_/ \__, //_/    /_/ \____/ |__/|__/  
+                 /____/                             
+     
+    * Running on all addresses (0.0.0.0)
+    * Running on http://127.0.0.1:9380
+    * Running on http://172.22.0.5:9380
+    INFO:werkzeug:Press CTRL+C to quit
+    ```
+
+5. 根据刚才的界面提示在你的浏览器中输入你的服务器对应的 IP 地址并登录 RAGFlow。
+6. 在 [service_conf.yaml](./docker/service_conf.yaml) 文件的 `user_default_llm` 栏配置 LLM factory，并在 `API_KEY` 栏填写和你选择的大模型相对应的 API key。
+   > 详见 [./docs/llm_api_key_setup.md](./docs/llm_api_key_setup.md)。
+   
+   *好戏开始，接着奏乐接着舞！*
+
+
+## 🔧 系统配置
+
+系统配置涉及以下三份文件：
+
+- [.env](./docker/.env)：存放一些基本的系统环境变量，比如 `SVR_HTTP_PORT`、`MYSQL_PASSWORD`、`MINIO_PASSWORD` 等。
+- [service_conf.yaml](./docker/service_conf.yaml)：配置各类后台服务。
+- [docker-compose-CN.yml](./docker/docker-compose-CN.yml): 系统依赖该文件完成启动。
+
+请务必确保 [.env](./docker/.env) 文件中的变量设置与 [service_conf.yaml](./docker/service_conf.yaml) 文件中的配置保持一致！ 
+
+> [./docker/README](./docker/README.md) 文件提供了环境变量设置和服务配置的详细信息。请**一定要**确保 [./docker/README](./docker/README.md) 文件当中列出来的环境变量的值与 [service_conf.yaml](./docker/service_conf.yaml) 文件当中的系统配置保持一致。
+
+如需更新默认的 serving port (80), 可以在 [docker-compose-CN.yml](./docker/docker-compose-CN.yml) 文件中将配置 `80:80` 改为 `<YOUR_SERVING_PORT>:80`。
+
+> 所有系统配置都需要通过系统重启生效：
+> 
+> ```bash
+> $ docker-compose-CN up -d
+> ```
+
+## 🛠️ Build from source
+
+如需从源码安装 Docker 镜像：
+
+```bash
+$ git clone https://github.com/infiniflow/ragflow.git
+$ cd ragflow/
+$ docker build -t infiniflow/ragflow:v1.0 .
+$ cd ragflow/docker
+$ docker compose up -d
+```
+
+## 📜 路线图
+
+详见 [RAGFlow Roadmap 2024](https://github.com/infiniflow/ragflow/issues/162)。
+
+## 🏄 开源社区
+
+- [Discord](https://discord.gg/uqQ4YMDf)
+- [Twitter](https://twitter.com/infiniflowai)
+
+## 🙌 贡献指南
+
+RAGFlow 只有通过开源协作才能蓬勃发展。秉持这一精神,我们欢迎来自社区的各种贡献。如果您有意参与其中,请查阅我们的[贡献者指南](https://github.com/infiniflow/ragflow/blob/main/CONTRIBUTING.md)。