内容详情
围绕文章主旨、阅读节奏与信息层次进行优化,让读者进入正文前就能快速理解主题重心与阅读价值。
ragflow v1.0.0 正式发布:Go 重写、百倍并发、Agentic Chat 到底带来了什么
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
推荐阅读
Search
热点新闻
6比1速胜、6比4险过!吴宜泽下班,赵心童逃生,世界第一悬了
11月1日国锦赛64进32的比赛刚打完,斯诺克圈直接炸了锅,没人想到两个中国小伙子能打出这么涨士气的对局,一个横扫下半,一个绝境翻盘,看得人攥着拳头喊过瘾。之前唱衰他俩的所谓懂球帝,这回全被现场的表现按着脸打脸,连喊离谱的份都没有。这两场球哪里是普通淘汰赛,明摆着是中国新生代斯诺克选手,对着全世界官宣我们已经稳稳把世界前二的宝座攥在了手里。 吴宜泽整场比赛打了不到一个半小时,就干净利落把罗比·威廉
腾讯第四次做短剧,可能也是最后一次
作者|略大参考 一苇 微信生态内上线了一款名为"绿泡泡"的的短剧产品,10月首周周活跃用户达8968万,较9月首周提升44.1%。 这已经是腾讯在短剧市场的第四次尝试。这次腾讯亮出王牌——微信。 但王牌也是底牌,打完了,可就没别的牌出了。 01 第四次,也是最后一次? 腾讯做短剧其实很早。 早在OpenAI还是个小众极客产品的时候,短剧就已经成为风口了。2020年时,就已经有了"微短剧元年"的说法
阿斯:巴萨vs马竞的焦点在阿尔瓦雷斯,他9战巴萨贡献4球2助
马德里竞技将在利雅得航空大都会球场迎战巴塞罗那,据西班牙《阿斯报》报道,这场比赛的焦点落在胡利安-阿尔瓦雷斯身上。 抛开绿茵场外的未来话题,这位马德里竞技前锋每次对阵巴塞罗那时,都会给球队带来好消息。巴塞罗那去年夏天一直想签下他,因此也成了他最喜欢的对手之一。 胡利安-阿尔瓦雷斯在效力马德里竞技的两个赛季里,已经4次攻破巴塞罗那球门。 这位阿根廷前锋对巴塞罗那的进球数,和面对皇家马德里、巴列卡诺时
泰山收官赢球却暗藏变数!外教挑选迟迟未定,马德鲁加含泪谢场,王大雷坦言下赛季去向未知,德尔加多去留悬而未决
中超收官战,山东泰山在主场3比2击败成都蓉城,用一场胜利为本赛季联赛画上句号。胜利的喜悦之下,休赛期的多重难题已经摆在俱乐部面前。外教人选迟迟没有敲定,球队下一阶段的战术框架悬在空中;进球功臣马德鲁加赛后红着眼眶谢场,泪水戳中无数球迷内心;队长王大雷在采访中直言,自己也不清楚下赛季会在哪里踢球,一句话让球迷心头一紧;再加上德尔加多合同到期,去留依旧没有定论。多条线索交织在一起,这个冬天,山东泰山迎
日本战败后才曝光,中国土地上竟藏着300多座侵略神社
在日本山口县下关市,有个叫赤间神宫的地方,里头至今供着一座“大连神社”。没错,就是咱中国大连那个大连。1907年日本人在大连修了这座庙,1947年一个叫水野久直的宫司把神体神宝打包背回了日本,1953年又在下关盖了个小祠接着拜。原来的庙早没了影儿,可香火愣是没断过。你说这事儿,搁谁听了心里不跟吞了只苍蝇似的? 把日历翻回1945年。日本战败投降,东北由苏军接管,台湾回到祖国怀抱。这时候人们才腾出手