Openflows

信号

来源：InfiniFlow的GitHub仓库。项目名：ragflow。网址：https://github.com/infiniflow/ragflow。日期：2026-03-13。内容：RAGFlow是一款领先的开源检索增强生成（RAG）引擎，将前沿RAG技术与智能体能力相融合，为LLM构建卓越的上下文层。标签涵盖：智能体、智能体工作流、AI搜索、上下文工程、文档解析器、图谱RAG、LLM、MCP、RAG、检索增强生成。

背景

RAGFlow运行于检索系统与智能体编排的交汇处。与主要聚焦文档分块和向量检索的传统RAG管道不同，RAGFlow强调深度文档理解与图谱检索机制。它将自身定位为上下文工程层，使LLM在生成回复前能够访问结构化知识。该项目支持Ollama、OpenAI和DeepSeek等多家模型提供商，体现出提供商无关的基础设施理念。

关联性

将智能体能力整合进RAG系统，解决了静态检索的局限性。通过以智能体逻辑驱动检索过程，RAGFlow实现了动态上下文构建，而非固定的向量查询。这与可操作性界面的广泛转变高度契合——界面层决定了AI使用是产生依赖还是形成持久理解。MCP（模型上下文协议）支持的引入进一步规范了智能体与外部工具和数据源的交互方式。

当前状态

该项目以Docker容器形式发布，截至信号日期拉取次数已超过十万。最新版本为0.24.0。在线演示托管于demo.ragflow.io。仓库支持多语言文档，包括英语、简体中文、繁体中文、日语、韩语、印尼语、葡萄牙语、法语和阿拉伯语。

待解问题

图谱检索在复杂推理任务中是否显著优于标准向量搜索？智能体工作流层与Langflow或CrewAI等专用编排框架相比，灵活性如何？与托管替代方案相比，自托管的资源要求如何？"深度研究"能力是独特功能，还是标准多步检索的营销包装？

关联条目

RAGFlow作为专用编排层，与Dify和Langflow相近，但专注于文档理解和图谱检索。它通过提供本地模型集成和工作流可见性的具体实现，补充了可检查智能体操作回路。工具层面，它通过将检索逻辑作为智能体操作图的一部分公开（而非黑盒），支持了可操作性界面回路。它与AnythingLLM同为文档驱动平台，但以显式图谱和智能体工作流集成为特色而有所区别。