继 AI 原生数据库 Infinity 于去年底正式开源之后，我们的端到端 RAG 解决方案 RAGFlow 也于今日正式开源。项目地址： https://github.com/infiniflow/ragflow

距离上次年终盘点已经过去半年，随着年初 DeepSeek 带来的浪潮逐渐退去，似乎 AI 再一次进入了瓶颈期，对于 RAG 来说，也有类似的现象，从近半年来的学术论文列表相关主题也可以感受出来，虽然依旧是热门选题，但新颖的工作乏善可陈，RAGFlow 在近几个月的迭代，也以小步快走为主，没有发布特别显著的特性。这是意味着厚积薄发，还是从此进入平稳增长？我们有必要在此时做个中期盘点。我们曾反复提及，

DeepSeek R1 在 2025 年初引发的震撼，让我们过去对于 LLM 关于推理和决策的预测时间点提早了大半年。如何让 LLM 具备更好的推理能力已经是 LLM 最热的研究方向之一。那么伴随着 LLM 的推理，RAG 需要做哪些调整？这正是我们在当前写下本文的主要动机。中文的推理对应两个不同的英文词汇，一个是 Inference，对应的概念是 Training（训练），另一个是 Reason

RAGFlow v0.22.0版本聚焦增强知识库构建能力，主要更新包括：1）支持Confluence、S3等多样化外部数据源接入，实现自动同步；2）新增MinerU和Docling解析器选择，提升PDF处理质量；3）优化Agent检索功能，支持基于元数据标签的精准过滤；4）改进AwaitResponse节点，支持展示上游流程输出；5）推出AdminUI管理界面，实现服务状态监控和用户管理的一站式操

RAGFlow 0.16.0 是 2025年的第一个 release。春节期间 DeepSeek R1 火遍全世界，这让我们在之前作出的预测——2025 年下半年开启 LLM 的理解与决策的时间点，大大提前。因此，在后续的版本迭代中，将逐步开启对 Contextual Memory，以及 Reasoning 方面的功能，欢迎大家提出对这方面功能的场景和需求定义。欢迎大家持续关注 RAGFlow h

RAGFlow Ingestion Pipeline 使用指导

RAGFlow v0.22.0版本聚焦增强知识库构建能力，主要更新包括：1）支持Confluence、S3等多样化外部数据源接入，实现自动同步；2）新增MinerU和Docling解析器选择，提升PDF处理质量；3）优化Agent检索功能，支持基于元数据标签的精准过滤；4）改进AwaitResponse节点，支持展示上游流程输出；5）推出AdminUI管理界面，实现服务状态监控和用户管理的一站式操

在已经过去的 2024 年，RAG 的发展可以称得上是风起云涌，我们回顾全年，从多个角度对全年的发展进行总结。

RAGFlow 0.16.0 是 2025年的第一个 release。春节期间 DeepSeek R1 火遍全世界，这让我们在之前作出的预测——2025 年下半年开启 LLM 的理解与决策的时间点，大大提前。因此，在后续的版本迭代中，将逐步开启对 Contextual Memory，以及 Reasoning 方面的功能，欢迎大家提出对这方面功能的场景和需求定义。欢迎大家持续关注 RAGFlow h

RAGFlow 0.16.0 是 2025年的第一个 release。春节期间 DeepSeek R1 火遍全世界，这让我们在之前作出的预测——2025 年下半年开启 LLM 的理解与决策的时间点，大大提前。因此，在后续的版本迭代中，将逐步开启对 Contextual Memory，以及 Reasoning 方面的功能，欢迎大家提出对这方面功能的场景和需求定义。欢迎大家持续关注 RAGFlow h