01WHAT IT SOLVES
这个项目解决什么问题？
RAGFlow 定位为生产级开源 RAG 引擎，将检索增强生成与智能体能力合并到统一的上下文层中。它通过深度文档解析、模板化可解释切片、文档级与数据集级知识编译、多路召回与融合重排，把异构数据源转化为高保真、可追溯的知识供给，使 LLM 输出自带引用、便于人工干预。其预置智能体模板、Agentic RAG 思考模式与 MCP 工具调用降低了复杂 RAG 工作流的搭建成本。在同类项目中，它以工程化的端到端流水线、文档级知识编译与可干预切片区别于纯向量库和轻量 RAG 框架，适合希望直接落地而非自组管线的团队。
02CORE CAPABILITIES
核心能力
深度文档理解与知识抽取
基于 DeepDoc 从复杂格式的非结构化文档中提取关键信息并可视化展示
模板化可解释切片
提供多种切片模板并允许人工介入调整，平衡检索粒度与上下文完整性
带引用的可追溯回答
输出关联原文片段的可视化引用与文本块，辅助降低模型幻觉
异构数据源接入
支持 Word、PDF、Excel、图片、网页、Confluence、Notion、Slack、Google Drive、WebDAV、Zendesk 等多源汇聚
Agentic RAG 与智能体编排
内置多档思考模式与 Agent 模板，结合 MCP 工具调用与代码执行沙箱扩展能力
03适合谁
- 需要将企业内部知识接入大模型的企业研发与 IT 团队
- 构建领域问答或智能体应用的独立开发者与解决方案商
- 评估开源 RAG 替代方案的技术决策者与架构师
- 负责汇聚多源异构文档的数据工程与知识管理团队
04典型使用场景
- 基于私有文档库搭建可追溯引用的企业问答系统
- 为客服、销售、运维等场景接入 LLM 并管控回答来源
- 构建带检索与工具调用的领域智能体应用
- 将网页、知识库、协作平台等异构来源汇聚为统一知识底座
05为什么值得关注
- 长期处于开源 RAG 引擎关注度第一梯队，更新节奏稳定
- 持续引入知识编译、Agentic RAG、MCP 等新范式而非仅做向量检索
- 兼容多种 LLM、嵌入模型与文档解析后端，便于替换和迁移
- 文档解析、切片模板与引用追溯细节较为完整，适合生产参考
06采用前要注意
- 官方 Docker 镜像仅提供 x86 版本，ARM64 平台需自行构建
- 最低 16GB 内存与 50GB 磁盘，对小型开发机门槛偏高
- 代码执行沙箱等高级特性依赖 gVisor 等额外组件，部署更复杂
- 配置涉及多种服务，运维与调优成本高于轻量级 RAG 方案
07RELEASE INTELLIGENCE
近期版本变化
ragflow v0.27.2：Agentic RAG 重构与多模型生态扩展
该版本重构了 Agentic RAG 检索框架以提升推理速度与基准表现，新增 Sitemap 数据源、WebDAV 自定义 CA 证书、MonkeyOCRv2 解析与自托管 PaddleOCR-VL、EPUB 文档预览、知识图谱节点计数与图谱搜索高亮等能力，并加入 Hubris、llmman 模型提供商。修复了多语言编码、视觉模型图片处理、Azure 嵌入与 Ollama 调用等多个稳定性问题；升级 starlette 以修复安全漏洞。影响正在使用 Agentic RAG、文档解析与多模型接入的运维与开发团队，建议升级。
- Agentic RAG 检索框架重构，推理速度与基准表现提升
- 新增 Sitemap 数据源、WebDAV 自定义 CA 证书与 EPUB 预览
- 引入 Hubris、llmman 模型提供商与自托管 PaddleOCR-VL
- 修复视觉模型图片被忽略等多项稳定性问题并升级依赖安全版本
ragflow v0.27.1：新增数据源连接器与检索性能优化
该版本新增 Azure DevOps 数据源连接器以及 You.com、Serply 网页搜索提供商，补齐 Synthorai 模型与缺失的 DeepSeek 模型，支持 AWS Bedrock API Key 鉴权。检索 API 暴露 rerank 与 KNN 参数，元数据过滤下推提升检索速度；同时修复 PDF 解析、MinerU 渲染、跨知识库文档 ID 冲突、Wiki 编译、Kimi K3 温度等多项缺陷。影响依赖数据汇聚、检索性能与多模型接入的团队，建议升级。
- 新增 Azure DevOps 数据源与 You.com、Serply 搜索提供商
- 检索 API 暴露重排与 KNN 参数，元数据过滤下推
- 补齐 Synthorai、DeepSeek 模型并支持 AWS Bedrock API Key
- 修复 PDF 解析、MinerU 渲染与跨知识库 ID 冲突等问题
ragflow v0.27.0：知识编译体系重构与 Agentic RAG 登场
该版本重做知识编译体系，新增文档级与数据集级 Wiki、Graph、Tree、Page Index、Mind Map、Timeline、To Skills 等产出，旧的 GraphRAG 与 RAPTOR 入口被整合替代。同时引入具备 Low、Medium、High、Ultra 四档思考模式的全新 Agentic RAG，并整体重构模型提供商系统便于配置。模型侧新增 Qwen 3.8、Kimi K3、AIMLAPI、GreenPT、AWS Bedrock Reranker、OpenRouter Embedding、FunASR、Mistral OCR 等支持；基础设施新增 GaussDB、Se
- 知识编译体系重做，产出 Wiki、Graph、Tree、Page Index、Mind Map 等
- 全新 Agentic RAG 提供四档思考模式
- 模型提供商系统重构并扩充 Qwen 3.8、Kimi K3 等支持
- 新增 GaussDB、SereneDB 与 Tenki 沙箱，修复多项稳定性问题
ragflow v0.26.4：多语言分词增强与稳定性修复
该版本在 NLP 与分词层面引入支持 16 种语言的 Snowball 词干提取器，并将数据集语言参数贯穿分词流程，前端补充荷兰语。修复涉及 LM-Studio 模型名解析、MCP 服务器崩溃、Docling 数学公式丢失、元数据编辑不持久、中文过滤失效、Agent MCP 重名与空导出、Laws 切片器误判等十余项问题，同时合并 Go 服务合并、文件同步框架、Agent 工具迁移与 Harness 图引擎统一等重构。适合需要多语言支持与稳定性改进的运维与开发人员，建议按需升级。
- 引入 16 语言 Snowball 词干提取与数据集语言参数贯穿
- 修复 Docling 数学公式丢失、LM-Studio 模型名解析与 MCP 崩溃
- 修复中文过滤失效与 Agent MCP 重名及空导出问题
- 合并 Go 服务统一、文件同步框架与 Harness 图引擎重构
RAGFlow v0.26.3：BigQuery 接入与 SoMark OCR 集成
该版本将 Google BigQuery 作为数据源连接器纳入摄取流程，MCP 服务器新增 ragflow_list_datasets 与 ragflow_list_chats 两个工具。集成布局感知的 SoMark OCR 用于解析复杂文档元素，并开放 Ingest documents API 支持自定义管线，同时重构全局导航以适配移动端，适合需要扩展数据源与自定义摄取流程的团队关注。
- 新增 Google BigQuery 数据源连接器与 MCP 工具
- 集成 SoMark OCR 用于复杂表格与图形解析
- 开放 Ingest documents API 并优化移动端导航体验
RAGFlow v0.26.2：接入企业 IM 渠道与多语言完善
该版本新增 WhatsApp、钉钉、企业微信三种聊天渠道，完善 PaddleOCR 流水线并修复 MCP 与数据流相关缺陷。影响需要构建企业对话入口与多语种部署的团队，建议关注渠道绑定与历史消息持久化变更。
- 接入 WhatsApp、钉钉、企业微信三种聊天渠道
- 完善 PaddleOCR 流水线，增加 PP-OCRv6 回退逻辑
- 完善韩语与法语界面翻译
- 修复 MCP 分页、数据流重跑与 Gemini 多区域路由等关键问题
RAGFlow v0.26.1：上线IM聊天渠道与Langfuse会话分组
支持把RAGFlow助手部署为Discord、飞书等外部聊天机器人；Langfuse支持按会话分组多轮聊天追踪便于调试；/chat/completions接口新增v0.23.0兼容旧模式。修复token计费、嵌入截断与Ollama模型访问等多项问题。影响对接IM渠道与依赖Langfuse观测的开发者，建议升级。
- 支持把助手部署为Discord与飞书等外部聊天机器人
- Langfuse支持多轮聊天会话级追踪分组
- /chat/completions接口新增v0.23.0兼容旧模式
ragflow nightly：版本变化解读
ragflow 发布了 nightly。当前中文解读尚未完成，请以官方 Release 页面列出的变更和兼容性说明为准。
- 官方 Release 已发布，建议打开来源核对完整变更。
- 自动解读信息不足，升级前应重点查看兼容性与迁移说明。