开源 RAG 引擎 RAGFlow 持续演进：支持 DeepSeek v4 与多平台接入，本地知识库部署进入 Agent 化阶段

新闻要点

• RAGFlow 是 Apache-2.0 开源的检索增强生成（RAG）引擎，GitHub 显示 88.3k stars、10.4k forks、737 位贡献者，保持高活跃度。
• 近期更新密集：2026-04-24 起支持 DeepSeek v4；2026-06-15 支持飞书、Discord、Telegram、Line 等多聊天渠道接入。
• 能力重心转向 Agent 化：2025-12-26 引入 AI Agent Memory，2025-08-01 支持 Agentic Workflow 与 MCP。
• 本地部署门槛清晰：官方给出 CPU≥4 核、内存≥16GB、磁盘≥50GB、Docker≥24.0.0 的前置要求。

关键信息拆解

项目与模型支持

• 定位：面向任意规模企业的 RAG 工作流，主打"Quality in, quality out"的深度文档理解。
• 模型适配广：支持 OpenAI GPT-5 系列、DeepSeek v4、Gemini 3 Pro 等，可按需在本地或云端配置 LLM 与 Embedding 模型。

核心能力

• 模板化 Chunking：可解释、可人工干预的智能切分。
• 有据引用：可视化切分结果 + 可追溯引用，降低幻觉。
• 异构数据源：支持 Word、PPT、Excel、TXT、扫描件、网页等。
• 多召回 + 融合重排：自动化 RAG 编排，兼顾个人与大企业。

数据接入与渠道

• 支持从 Confluence、S3、Notion、Discord、Google Drive 等同步数据（2025-11-12 起）。
• 支持 MinerU、Docling 等文档解析方式（2025-10-23 起）。
• 多聊天渠道：飞书、Discord、Telegram、Line（2026-06-15 起）。

本地部署

• 官方 Docker 镜像当前版本 v0.26.4（以官方 Releases 实时页面为准）。
• 前置要求：CPU≥4 核、内存≥16GB、磁盘≥50GB、Docker≥24.0.0 及 Docker Compose≥2.26.1；默认使用 Elasticsearch 存储全文与向量，可切换为 Infinity。

影响分析

• 企业知识库从"能问答"走向"能干活"：Agent Memory + MCP 让 RAG 知识库不只是问答库，还能参与复杂任务。
• 国产模型联动：对 DeepSeek v4 等模型的支持，让中文企业在成本与数据合规上有更多选择。
• 开源生态加速内卷：RAGFlow、Dify、AnythingLLM 等开源方案与云端方案竞争，本地化部署门槛持续走低。

实用建议

• 有数据合规要求的企业优先评估本地部署，Docker Compose 一键拉起即可试用。
• 团队规模小时可从 RAGFlow 官方 Cloud 或单机 Docker 起步，验证效果再上生产。
• 生产环境务必规划好切分策略、召回重排与权限，避免"库大了就难用"。

参考来源

• RAGFlow GitHub：https://github.com/infiniflow/ragflow
• RAGFlow 官网：https://ragflow.io
• RAGFlow 文档：https://ragflow.io/docs/dev/