在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

2026 年 11 月 9 日,RAGFlow v1.0.0 正式发布。

经历三个候选版本后,RAGFlow 1.0 终于进入生产可用阶段。这不是一次普通的功能更新,而是一次底层架构级别的重构:系统以 Go 完成整体重写,部署体积、启动速度、并发能力、查询延迟、内存使用、文档解析性能均获得大幅改善;同时,全新的 Agentic Chat 上线,让 RAGFlow 从“检索后直接回答”进一步走向“多步推理、循环检索、调用工具、判断证据是否充足”的智能问答模式。

对于正在建设企业知识库、智能客服、复杂文档问答、Agent 工作流或私有化 RAG 平台的团队而言,RAGFlow 1.0 是一个非常值得关注的关键版本。


一、RAGFlow 1.0 最重要的变化:从架构到智能问答全面升级

RAGFlow 1.0 的核心价值可以概括为四个方向:

  • Go 重写,大幅降低部署和运行开销
  • 并发能力提升约 100 倍
  • Agentic Chat 全面替代旧版思考等级模式
  • 文档解析、检索、任务执行、缓存与消息队列架构全面演进

官方建议所有用户升级至这一版本,以获得更好的稳定性、性能与问题回答效果。


二、Go 重写:镜像更小、启动更快、运行更轻

RAGFlow 1.0 通过 Go 重写实现了更轻量化的部署与运行方式。

本次更新中,Docker 镜像体积约缩小至原来的十分之一,启动速度约提升十倍。对于需要频繁扩缩容、边缘部署、多环境交付或者资源预算有限的团队,这项变化尤其重要。

过去,复杂 RAG 系统往往需要较重的运行时环境,服务启动慢、镜像大、资源消耗高,部署到生产环境时需要额外处理依赖、运行时、镜像分层与容器冷启动问题。Go 重写后,RAGFlow 的运行形态更适合云原生环境,也更适合高密度容器部署。

与此同时,RAGFlow 1.0 的 CLI 也完成了 Go 重写,使命令行使用、运维操作和管理流程进一步统一。

本次版本还新增 arm64 架构 Docker 镜像支持。对于使用 ARM 服务器、苹果芯片开发设备或 ARM 云实例的用户而言,部署选择更灵活。


三、并发能力约提升 100 倍:高并发知识库场景迎来关键升级

RAGFlow 1.0 在并发能力方面实现了约 100 倍提升,同时显著优化以下指标:

  • 查询延迟
  • 内存使用
  • 文档解析速度
  • 服务运行稳定性
  • 高并发场景下的资源竞争与数据一致性

这意味着,RAGFlow 1.0 不只是“回答更聪明”,也更适合生产级应用。

例如,在企业知识库场景中,大量员工可能会同时发起制度查询、产品问答、技术检索、项目资料搜索。在客服场景中,多个客户会同时请求回答。在文档处理场景中,成百上千份 PDF、Office 文档、网页、图片和扫描件可能需要进入解析队列。

RAGFlow 1.0 对这些压力场景进行了针对性改进,包括消息队列、缓存、任务调度、解析器、检索流程、模型访问、前端列表渲染、日志记录等多个环节。


四、Agentic Chat 正式上线:不再只是“检索一次然后回答”

RAGFlow 1.0 最大的产品能力变化,是新增 Agentic Chat 模式。

旧版本中的 Low、Medium、High、Ultra 思考等级模式被 Agentic Chat 替代。

Agentic Chat 的核心能力是:针对复杂问题,系统不再只进行一次检索并立即给出答案,而是可以进行多步推理,并在过程中不断评估当前证据是否足以回答问题。

其典型流程包括:

  • 理解用户问题
  • 检索知识库内容
  • 判断当前证据是否足够
  • 在证据不足时继续检索
  • 按需调用工具
  • 综合多轮检索与工具结果
  • 最终生成回答

这种机制特别适合复杂问题、多跳问答、跨文档关联、需要判断条件或需要调用外部工具的问题。

例如,用户提出的问题可能不是“某个产品的价格是多少”,而是“根据当前政策、项目合同和历史订单,某个客户是否满足特定折扣条件,并说明依据”。这类问题往往不能依靠一次简单向量检索完成,需要反复定位相关材料、比较条件、筛选证据,再形成最终结论。

RAGFlow 1.0 通过 Agentic Chat 为这类任务提供了更完整的执行机制。


五、Jev 决策模型加入 Agent 工具调用循环

在 Agentic Chat 中,RAGFlow 1.0 引入 Jev 决策模型,用于判断当前可用证据是否足以回答问题。

这项能力解决了 RAG 系统中非常常见的难题:模型什么时候应该停止检索并回答,什么时候应该继续搜索、调用工具或寻找补充证据。

如果证据不足却过早回答,容易产生遗漏、误答和幻觉;如果证据已经足够却不断检索,则会增加响应时间和 token 成本。

Jev 决策模型进入 Agent 工具调用循环后,可以帮助系统完成“证据充分性判断”。它可以决定:

  • 当前检索到的信息是否足够
  • 是否需要继续检索更多内容
  • 是否应该调用工具
  • 是否应进入最终回答阶段

此外,Categorize Agent 组件也新增对 Jev 决策模型的支持。

RAGFlow 1.0 还让 Agentic RAG 的最终生成预算和声明预算可配置,使不同业务场景可以在回答质量、输出长度、推理成本与响应速度之间进行更细粒度的平衡。


六、聊天历史不再只是聊天记录:提示词、token、执行时间均可追踪

RAGFlow 1.0 新增聊天历史中提示词、token 使用量和执行时间的存储与展示能力。

这项能力对生产环境中的模型治理非常重要。

通过历史记录,用户可以更清晰地了解一次问答背后发生了什么,例如:

  • 使用了哪些提示词
  • 消耗了多少 token
  • 整个执行过程耗时多久
  • Agent 调用链路是否异常
  • 某次回答为什么慢
  • 某类问题是否成本过高
  • 某个模型配置是否需要优化

对于团队管理者、平台开发者和运维人员而言,这些可观测数据有助于进一步优化提示词、检索策略、模型选择、工具调用和资源分配。


七、FRAMES 多跳问答测试达到 91% 准确率

在 FRAMES 多跳问答基准测试中,RAGFlow Agentic Chat 配合 MiniMax M3 达到了 91% 准确率。

多跳问答是对 RAG 系统能力要求较高的一类任务。系统不能只从一段文本中找到答案,而是需要从多个文档、多个片段或多个事实中建立关联,最终推导出答案。

这一成绩表明,RAGFlow 1.0 的 Agentic Chat 在复杂问答、跨文档信息整合、多步骤检索和证据判断方面具备较强能力。


八、文档解析全面统一:12 个内置解析器与 Pipeline 解析器融合

在文档导入与检索方面,RAGFlow 1.0 对解析架构进行了统一。

12 个内置文档解析器现已与 Pipeline 解析器统一。这意味着,用户在处理文档时可以获得更一致的解析与配置体验。

系统还新增支持多个导入 Pipeline DSL 版本,有助于兼容不同版本配置与导入流程。

围绕文档解析,本次版本还进行了大量细节修复和性能优化,包括:

  • 防止 PDF 子分块相互覆盖
  • 按段落位置为分块编号
  • 对齐 PDF 子块预览与原始位置
  • 保留跨页 PDF 句子
  • 恢复漏掉的 PDF 表格行与合并表头
  • 让表格构建支持网格收尾与跨行跨列信息附着
  • 防止恢复出的 PDF 目录引导线进入正文
  • 避免深度文档解析中的正文被错误识别为表格标题
  • 支持图片表格在 DeepDoc 页面处理链路中被识别
  • 读取 PDF 页面指令时做到每份文档只读取一次
  • 合并 PDF 渲染任务并共享裁剪工作线程
  • 限制裁剪页面缓存的字节量,并在裁剪任务异常时释放页面资源
  • 支持标题和手动 Pipeline 中的媒体上下文
  • 保留 Office 表格单元格的跨行跨列信息
  • 在选择 Go 解析器前识别 Office 文档内容
  • 防止 Markdown 引用块中的段落被错误合并
  • 将 Markdown 和 HTML 中的远程图片作为媒体引用处理
  • 防止 MinerU JSON 路径内联压缩包中的图像字节
  • 支持 MiniCPM-OCR 作为 PDF 解析器
  • 支持 MonkeyOCR 在 Go 导入路径上的 PDF 分发
  • 支持 MinerU 4.1 Tasks API
  • 让 MinerU 解析超时可通过环境变量和设置项配置
  • 将 MinerU 超时参数传递给 MonkeyOCR 文件解析上传
  • 增加 SoMark OCR 连接验证能力
  • 将 DeepDoc 与其他 OCR 模型明确区分,并作为独立图像解析选项提供
  • 对 DeepDoc 的原生配置测试增加 cgo 约束
  • 让 Agentic RAG 决策模块能够在无 cgo 环境下编译
  • 升级 Office 解析相关组件,并移除临时表格与标题修复逻辑
  • 移除 DeepDoc 表格单元格跨度注入中无效的覆盖切片与排序逻辑

需要注意的是,DeepDoc 当前仅支持 CPU 环境。


九、消息队列从 Redis 迁移到 NATS,缓存与检查点采用 Kvrocks

RAGFlow 1.0 在底层基础设施层面完成两项重要替换:

  • 消息队列由 Redis 迁移至 NATS
  • 缓存与检查点存储采用 Kvrocks

消息队列负责文档处理、异步任务、解析队列、任务状态流转等关键流程。迁移到 NATS 后,系统在任务调度和事件处理方面获得新的架构基础。

Kvrocks 则用于缓存与检查点存储。围绕 Kvrocks,本次版本还移除了未使用的客户端能力,并补充真实生命周期与索引边界测试。

这类改动虽然对普通用户不一定直接可见,但对高并发、异步任务、导入稳定性、故障恢复和资源效率有重要意义。


十、导入、任务、文档管理能力持续增强

RAGFlow 1.0 为文档导入与任务管理加入多项实用能力:

  • 文档解析任务可发出结构化生命周期事件
  • 支持一键取消解析队列中的所有文档
  • 为正在运行或排队中的任务新增暂停或取消按钮
  • 取消解析按钮增加文字说明
  • 导入操作日志记录 Pipeline 版本
  • 导入日志中可携带用户名与租户名
  • 终止任务在删除前会正确处理尚未关闭的运行记录
  • 共享标签提取器并发能力
  • 修复导入包中的竞态问题
  • 在下载失败时保留 Dropbox 检查点
  • 在任务发布失败时重试启动任务发布
  • 不再持久化 process_end_at,而是根据开始时间与耗时恢复结束时间
  • 对 OSS 导入日志相关逻辑进行调整,保留监控能力
  • 文件删除时能够正确记录提交删除记录
  • 文件变更只限定在目标文件夹树内
  • 文件夹改名与数据集绑定同步放入同一事务,避免绑定丢失
  • 支持移动到根目录
  • 修复过长文件夹名称造成的界面裁剪
  • 删除绑定数据集的 Pipeline 后,进入其他数据集文件列表页面不再报错
  • 修复删除文档但保留文件时未清理引擎数据的问题
  • 增加资源的用户归属关系
  • 自动迁移时纳入技能空间
  • 文件 API 增加审计钩子
  • 同步流程增加审计钩子
  • 日志增加钩子能力

十一、检索能力持续加固:精度、范围、权限与安全性同步提升

RAGFlow 1.0 在检索层面进行了大量优化和修复,重点包括检索范围控制、重排候选控制、权限过滤、元数据写入与安全防护。

主要变化包括:

  • 增加检索与重排器的单元测试
  • 限制重排与 KNN 候选窗口大小
  • 增加检索裁剪逻辑与测试
  • 在聊天检索 SQL 中始终叠加已授权知识库标识过滤
  • 单个分块更新时保留数据集和文档范围
  • 删除分块时强制数据集范围,并防止会话标识中的 Lucene 注入
  • 元数据批量写入出现单项失败时返回错误
  • 修复 Infinity 分块检索读取时对标签特征的解码
  • 知识编译器遵循节点设置,并在向量映射缺失时进行降级处理
  • Dify 检索在元数据条件为空时保持不限定范围
  • 向记忆检索传递标量阈值
  • 记忆消息增加第二排序键
  • 统一令牌器默认字段替换方式,避免重复追加
  • 支持在数据集 API 错误响应中保持原有响应体结构

这些改动使检索不仅更快,也更可靠,更符合多租户和生产环境下的权限、安全与一致性要求。


十二、模型与供应商生态继续扩展

RAGFlow 1.0 扩展了模型与服务提供商支持,并优化模型调用稳定性。

新增或改进内容包括:

  • 新增 Wally 模型提供商
  • 新增 Synap 模型提供商
  • 扩充更多 GLM 模型
  • 重构 GPUStack 提供商设置并修复驱动问题
  • 分页获取 Anthropic 模型列表
  • 支持 Anthropic 工具参数中的结构化 JSON Schema
  • 支持 Vastbase G100 作为 Go 版本元数据数据库
  • 支持中文作为模型实例名称
  • 模型驱动 HTTP 请求能够正确响应上下文取消
  • 通过原子指针发布提供商目录,避免并发读取和发布时发生竞争
  • 模型访问与租户默认配置进一步整合
  • 单次运行中只解析一次聊天模型配置
  • 对 DeepSeek 的思考强度进行校验与规范化
  • 解析提供商配置时加强 OAuth、网关认证和安全处理
  • 支持 MinerU 4.1 解析接口
  • 系统设置增加初始化数据

十三、Agent 工作流能力进一步增强

除 Agentic Chat 外,RAGFlow 1.0 对 Agent 工作流、组件执行、变量处理、错误恢复和导出能力进行了大量改进。

主要内容包括:

  • 防止检查点崩溃,并传播组件错误
  • 识别已保存画布中的 Webhook Begin 节点
  • 支持单花括号变量引用解析
  • 支持嵌套子 Agent 组件解析
  • 序列化 HTTP 字段并保留错误信息
  • 规范化 Invoke 代理地址并避免异常崩溃
  • 支持字符串和对象类型的 Invoke 参数
  • 支持结构化输出,并解析延迟的 structured 引用
  • 修复工具命名、旧会话、租户范围和 MCP SSRF 相关问题
  • Agent 会话默认不返回 DSL
  • 支持 Agent 工作流通道,并隔离启动失败
  • 已保存的 Agent 更新可应用到已有会话
  • Agent 渠道会话标识增加聊天渠道前缀
  • Agent 导出、超时和工件处理更健壮
  • 清理 Agent 子图并修复前端请求
  • 保留 DOCX 导出中的 Markdown 标题和列表
  • 保留 PDF 导出中的嵌套 Markdown 列表
  • 文档生成器支持渲染 Markdown 并暴露 HTML 装饰信息
  • 使用保存的日志标题生成表格与导出内容
  • 修复等待输入和开始组件中的变量在浮动窗口不可访问的问题
  • 修复快捷方式插入变量后消息节点无法显示的问题
  • 修复 Agentic Chat 失败时未显示真实错误的问题
  • 修复 Agentic Chat 中禁用引用不生效的问题
  • 修复被引用内容在聊天和 Agent 消息中被遮挡的问题
  • 限制数据集导航 max_docs 不超过默认预算
  • 根据节点配置或环境变量解析 DeepL 和 QWeather 凭据,而不是从模型可见参数读取
  • 对条件边与分支错误进行正确传播
  • 在状态归约时保留切片类型
  • 恢复执行器中断、恢复和事件能力
  • 增加复杂 Agent 运行时的错误处理与兼容性修复

十四、聊天、嵌入式页面与渠道能力升级

RAGFlow 1.0 对聊天体验和外部渠道集成也做了大量优化。

聊天和嵌入式页面相关变化包括:

  • 聊天消息列表虚拟化,提高长会话渲染性能
  • 嵌入网站的聊天在回答完成后自动滚动到底部
  • 修复嵌入式聊天长消息溢出消息框的问题
  • 增加嵌入式聊天消息右侧边距
  • 对嵌入式聊天头部过长标题进行截断
  • 修复前端预加载错误时自动刷新
  • 对 413 和 504 响应直接透传,避免重复错误提示
  • 改进重命名流程与弹窗体验
  • 聊天渠道连接对话框中的 Agent 内容展示逻辑进行调整
  • 修复知识图谱实体类型颜色恢复问题
  • 修复长标题、长名称、长操作器名称和长 Pipeline 名称导致的界面溢出、图标压缩、布局异常等问题
  • 调整 PDF 与表格解析器标签和下拉框之间的间距
  • 调整 Agent 分享页面右侧间距
  • 调整 Agent 操作器标题左对齐
  • 模型分类筛选会随系统语言变化,并明确显示当前选中项
  • 数据集文件配置从 Pipeline 切换到内置模式时不再错误触发警告
  • 修复 DatasetFilter 条件渲染逻辑
  • 修复 Wiki 模板创建时蓝图示例显示不完整的问题

渠道与消息投递相关变化包括:

  • 新增 AnySearch 网页搜索提供商
  • 支持通过 Docker 使用 WhatsApp 网关
  • 修复 WhatsApp 网关事件会话键转义
  • 修复 WhatsApp 重连时每次事件重连泄漏一个协程的问题
  • 支持飞书、企业微信和钉钉流式回复
  • QQ 机器人回复增加限制检查
  • Telegram 与 Discord 上游错误响应体截断至 200 字节
  • 渠道投递错误可正确传递,同时避免暴露凭据
  • 外发回复自动移除引用内容
  • 锁定企业微信监听器绑定并规范上传配额范围
  • 修复渠道权限测试
  • 支持 Agent 工作流渠道能力

十五、安全、权限、多租户与身份上下文改进

RAGFlow 1.0 加强了身份、权限和多租户边界处理。

主要变化包括:

  • 用户标识在数据访问对象与处理器查询中使用字符串类型
  • 从上下文推导权限身份
  • 从请求上下文推导服务身份
  • 从上下文推导连接器、MCP 与记忆身份
  • 移除剩余身份参数
  • 移除权限服务包装层
  • 增加企业版构建时的覆盖层
  • 社区版与企业版场景测试进行隔离
  • API Token 身份测试在企业版构建中进行调整
  • 对名称与别名长度限制进行统一约束
  • 管理后台增加用户搜索、状态筛选、排序与 CLI 分页
  • 未分页时管理员用户列表可返回全部用户
  • 租户用户被移除后自动刷新列表
  • 管理页面的租户表操作统一使用次级按钮
  • 增加用户资源归属关系
  • 允许 ALLOW_ANY_HOST 配置被正确遵循
  • 修复 MCP SSRF 等安全相关问题
  • 处理网关认证、OAuth 与提供商解析安全问题
  • 限制工具 HTTP 响应体最大为 4 MiB,覆盖 arXiv、Querit、DuckDuckGo 与 Yahoo Finance 等工具

十六、稳定性修复:从并发竞争到存储、构建和前端细节

RAGFlow 1.0 修复了大量来自社区和候选版本阶段发现的关键问题,进一步提升系统稳定性。

代表性改进包括:

  • 修复模型提供商目录并发竞争
  • 修复导入模块测试中的竞态问题
  • 修复文档解析、PDF 分块、OCR、Markdown、Office 表格、媒体引用等场景问题
  • 修复缓存、检查点、任务状态、同步器、文件系统、对象存储相关问题
  • S3 批量删除请求增加 Content-MD5
  • MinIO 健康检查改为有界同步探测
  • 修复 Docker 中单页应用回退掩盖过期哈希静态资源的问题
  • 修复 Darwin arm64 平台上 ONNX Runtime 静态链接参数
  • macOS arm64 构建环境升级
  • 清理不必要的 DockerHub 镜像标签
  • 限制 API page_size 最大值为 100
  • CLI 的 help 只列出已接受命令
  • 支持用户列表和管理操作中的分页能力
  • 修复 Gmail 加载线程时未保留完整 MIME 载荷的问题
  • 修复同步器下载失败后检查点丢失的问题
  • 修复测试断言恒真问题
  • 修复 README、文档、版本引用、快速开始教程、常见场景用例、团队文档与分享配置说明
  • 更新数据库变更日志中的名称列扩展记录
  • 优化构建流程、CI 检查与测试执行策略
  • 移除代码覆盖率上传
  • 调整原生依赖准备方案并回退不适合的变更
  • 统一公共辅助函数、组件名称、元数据读取逻辑、字符串去重逻辑与身份检查逻辑
  • 清理已废弃或无效的代码路径与注释

十七、升级方式与兼容性说明

从 v1.0.0-rc1、v1.0.0-rc2 或 v1.0.0-rc3 升级到正式版时,现有数据完全兼容,可以直接升级。

从 v0.27.2 升级到 v1.0.0 时,也可以直接升级。RAGFlow Docker 容器启动后会自动执行数据迁移。

从早于 v0.27.2 的版本升级时,需要先按照迁移指南完成必要的中间版本升级,再升级到 v1.0.0。

升级前必须备份全部数据。

需要特别注意:从 v0.27.2 到 v1.0.0 的数据迁移不可逆。如果迁移失败,应先恢复升级前的完整备份,再重新尝试升级。

兼容性方面,已废弃的 API 别名不再支持。Python SDK 不受影响。

已移除 API 的具体说明可在官方 HTTP API 参考文档的 Removed API Aliases 部分查看。


十八、RAGFlow 1.0 值得升级吗

如果你的 RAGFlow 使用场景涉及以下任意需求,v1.0.0 都值得重点评估和升级:

  • 希望降低 Docker 镜像与启动开销
  • 希望提升系统并发能力
  • 希望缩短查询和文档解析时间
  • 希望从简单检索问答升级到复杂多步推理
  • 希望让系统能够判断证据是否足够
  • 希望获得更完整的聊天执行日志、token 消耗和耗时记录
  • 希望处理复杂 PDF、Office、Markdown、图片、表格和 OCR 文档
  • 希望获得更稳定的导入、检索、Agent 和渠道集成能力
  • 希望在 arm64 环境中部署
  • 希望使用更完善的多租户、权限、资源归属和安全控制能力

总体来看,RAGFlow 1.0 的价值不仅在于“版本号变成 1.0”,更在于系统从架构、性能、Agent 能力、检索流程、文档处理、稳定性和运维能力上完成了一次系统性升级。

对于准备将 RAG 应用真正推进到生产环境的团队而言,RAGFlow 1.0 提供了更轻量、更高并发、更可观测、更具自主决策能力的基础平台。

Logo

更多推荐