企业知识库布道者-CSDN博客

原创 RAGFlow 二开商业化前，Docker 部署里的开源合规要先看清

企业在基于RAGFlow进行二次开发时，需特别注意Docker部署栈的开源协议合规问题。商业化部署涉及数据库、向量库、缓存等多个组件，整体风险不仅来自RAGFlow本身，还包括基础组件的组合。推荐采用PostgreSQL、Milvus、Valkey、RustFS等宽松协议组件，形成更合规的商业化交付方案。文章详细解析了License协议差异，提供了MySQL到PostgreSQL的数据库迁移方案，并对比了RustFS与MinIO的兼容性。建议企业建立组件清单，保留License声明，通过技术选型与流程优化降

2026-06-11 15:25:54 278

原创从 OCR 到文档结构理解：MinerU-Popo 对 RAG 文档解析链路的补全

MinerU-Popo：从OCR到文档智能的结构化跃迁【摘要】传统OCR技术虽能识别页面元素，却无法还原文档级结构关系，导致RAG系统在处理复杂PDF时面临信息割裂问题。MinerU-Popo创新性地提出四层后处理框架：通过文本续接分析修复跨页内容断层，基于上下文推理构建标题层级树，建立图文表跨页关联网络，并实现智能表格合并。该方案将扁平化的OCR输出转化为带章节路径、父子关系的JSON文档树，使Agentic RAG能沿结构推理，让检索结果具备"3.1.2节-表5"级精确引用能力。实验证明，该框架可有

2026-06-09 14:46:12 464

原创企业知识库里的元数据，到底应该怎么用？

企业知识库中元数据的核心价值与应用元数据作为“描述知识的知识”，在企业知识库中至关重要。它通过业务归属、文档类型、生命周期状态、版本时间等字段，为文档赋予业务语境，确保检索结果精准有效。与个人知识库不同，企业环境文档量大、版本复杂，仅依赖语义相似度易导致误检。元数据能先筛选符合条件的文档范围，再进行语义检索，显著提升结果质量。KnowFlow等工具通过定义字段、批量更新、多模式过滤等功能，构建了完整的元数据应用链路，尤其在制度、合规等严肃场景中，手动/半自动过滤比全自动更可靠。合理设计元数据体系（如部门、

2026-05-27 16:16:53 409

原创一份 PPT 进入 KnowFlow 之后，如何变成飞书/企业微信里的一次可信回答？

企业知识库的核心价值在于中间过程的优化，而不仅仅是最终呈现的答案。KnowFlow v2.3.9-v2.4.0 的更新围绕文档从上传到使用的全链路展开，包括数据库兼容、PPT结构化解析、页面级内容处理、元数据管理、多级权限控制、检索重排和IM集成等7个关键环节。这些功能共同确保企业资料能够高效转化为可检索、可管控的业务知识，并在员工日常工作的IM场景中快速响应。

2026-05-26 11:35:39 352

原创一人公司做企业知识库，一年拿下 40+ 客户，KnowFlow 到底做对了什么？

企业知识库项目落地面临的核心挑战并非技术演示效果，而是文档解析、分块、检索等底层系统的工程化实现。KnowFlow产品通过双引擎解析（MinerU+PaddleOCR）、智能分块、混合检索等技术方案，解决了企业环境中常见的扫描件识别、图文混排、表格处理等实际问题。其特色在于将文档结构理解作为知识库构建起点，并建立了可审阅、可复盘的运营体系。该产品已服务40余家客户，覆盖金融、制造、法律等多个行业，验证了其在生产环境中的实用性。产品设计强调问题定位能力，通过OCR审阅、引用高亮等功能，使系统错误可追溯可修正，

2026-04-24 17:49:23 397

原创 KnowFlow v2.3.8：完成 MinerU 3.0.9 适配、图片引用优化与知识库一键迁移能力补齐

KnowFlow v2.3.8版本重点优化了企业知识库的三大核心能力：文档解析稳定性、图文回答可信度和知识库迁移便捷性。主要更新包括：适配MinerU 3.0.9实现DOCX直接解析，减少格式转换带来的信息损耗；重构图片引用逻辑，将相关图片统一展示在底部区域；完善知识库导入导出功能，支持分块数据和权限关系的完整迁移。此外还优化了视频关键帧处理链路和图片理解流程，提升了系统稳定性和响应速度。这些改进使企业知识库在复杂文档处理、证据呈现和资产迁移方面更加可靠，更符合实际交付需求。

2026-04-21 10:28:47 467

原创石榴解 × KnowFlow：一套面向 C 端用户的健康科普 AI 知识库解决方案，如何跑通落地

石榴解APP与KnowFlow合作验证了健康科普AI应用的关键突破：知识组织与检索能力直接影响C端用户体验。项目采用Dify+KnowFlow方案，通过父子分段机制保持知识完整性，实现快速入库和精准检索。相比传统知识库，该方案显著提升了回答的连贯性和稳定性，使AI服务更贴合真实场景需求。案例证明，在面向C端的健康应用中，知识系统的动态更新能力和语义保持水平比单纯追求模型参数更重要，这为行业提供了可复用的知识服务落地范式。

2026-04-10 10:54:35 531

原创 RAGFlow 集成 Milvus 实战：KnowFlow 团队的生产级优化方案

KnowFlow团队基于RAGFlow深度定制企业级RAG平台，在集成Milvus v2.6.9后进行了多项优化。文章重点介绍了选择Milvus的三大优势：原生混合检索能力（支持稠密/稀疏向量融合）、多模态检索优势（错误率降低至3%以下）以及创新的按维度分Collection设计。团队还详细分享了Schema设计中对BM25 Function的巧妙应用，以及当前采用逻辑隔离与未来规划物理分区隔离的知识库策略。这些优化使系统延迟降低40%，运维成本减少60%，已成功服务30+企业客户。

2026-04-02 09:54:34 482

原创 KnowFlow v2.3.6：从“蒙眼开车“到“全程导航“，RAG 可观测性的一次跃升

KnowFlow v2.3.6版本聚焦RAG系统可观测性痛点，推出三大核心改进：1）检索调试面板将检索过程拆分为粗排和精排两个阶段可视化展示，帮助用户精准定位问题环节；2）新增批量元数据管理功能，支持企业用户高效维护海量知识库；3）完成飞书机器人集成，实现企业协作场景无缝对接。该版本还优化了混合检索策略和异常处理机制，使RAG系统从"黑盒"变为"白盒"，显著提升调试效率与系统稳定性。

2026-03-31 18:01:19 378

原创 KnowFlow v2.3.5 知识库支持文档 OCR 审阅：OCR 结果终于能改了，RAG 质量管控前移到源头

摘要： KnowFlow v2.3.5针对RAG系统的OCR解析痛点进行了三大优化： OCR审阅环节：新增可视化编辑功能，支持逐页预览、修改Markdown块内容及类型，保留坐标信息确保分块准确性，并实现版本化管理；标题诊断：内置正则过滤与层级筛选，自动检测误判标题，提供预设模板快速修正；权限即时生效：通过主动清除Redis缓存，解决RBAC权限变更延迟问题。此外优化了批量权限检查、流式输出速度及图文混排效果。本次升级将质量管控前置，显著提升企业知识库的可控性与落地效率。

2026-03-19 18:35:39 397

原创中石化“石小勘“落地实践：KnowFlow 如何为大型央企打造智能知识中枢

中国石化研究院基于KnowFlow平台打造了智能助手"石小勘"，成功将RAG技术应用于企业知识管理。该系统实现了多格式文档深度解析、图片识别与检索、与Dify生态无缝对接、针对特定文件问答等核心功能，问答准确率达90%。KnowFlow通过开箱即用的企业级RAG引擎，帮助央企将分散的制度文件、科研资料等转化为可对话、可检索的智能知识资产，为大型组织AI转型提供了实践样本。

2026-03-18 10:51:25 419

原创 KnowFlow v2.3.4 发布：当 RAG 学会“深度阅读“，企业知识库的天花板被打破了

KnowFlow v2.3.4创新性地提出"Agentic RAG"架构，通过"先定位-再精读-后作答"的三段式深度阅读机制，解决了传统RAG系统在处理复杂专业文档时"检索到但读不懂"的核心痛点。该系统采用最小Agent设计理念，仅保留检索、精读和页码定位三个关键工具，结合七层原子性分块算法和动态父子分块技术，确保文档结构完整性。同时引入查询澄清机制和异步检索优化，在保证回答质量的前提下提升响应效率。测试显示，该方案可使200页技术文档的查询准确率

2026-03-16 10:39:29 430

原创 Milvus 向量库带来 2.5 倍性能飞跃， Qwen3-VL-Embedding 多模态 RAG 能力全面升级

KnowFlow v2.3.3 正式发布，带来重大性能升级与多模态增强。核心更新包括：1）采用 Milvus 作为默认向量数据库，实测高并发下吞吐量提升 2.5 倍；2）引入 Qwen3-VL-Embedding 实现图文混合检索；3）新增表格内图片提取功能；4）支持钉钉机器人企业集成；5）提供负载均衡部署方案。技术亮点包括独创的"按维度分Collection"架构、统一多模态语义空间、以及完善的弹性伸缩能力，显著提升了复杂文档处理和企业级应用场景下的表现。

2026-02-05 14:53:53 724

原创 2026 年企业级 RAG 多模态技术全景：从文本对齐到端到端融合

2026 年的多模态 RAG 技术已经从实验室走向生产环境。企业不再需要在"能用"和"好用"之间艰难抉择——成熟的技术方案和开箱即用的产品已经就绪。关键在于找到适合自身业务的平衡点：在成本可控的前提下，最大化知识库的价值。无论是从传统方案平滑升级，还是直接采用端到端多模态架构，KnowFlow 都能提供完整的技术支持和实施服务。当你的竞争对手还在为"系统看不懂图"而苦恼时，你的知识库已经能够真正"看见"每一份文档的全部价值。

2026-01-30 15:51:04 1165

原创 KnowFlow v2.3.2 重磅发布：ColPali 多模态解析引领文档理解新纪元

KnowFlow v2.3.2 的发布，标志着我们在企业级知识管理领域又迈出了坚实的一步。从 ColPali 多模态解析到企业微信集成，从 Dify 生态对接到云原生部署，每一项功能都是我们对企业真实需求的回应。我们相信，在 AI 时代，数据治理将成为企业的核心竞争力。KnowFlow 将持续深耕这一领域，为企业提供更可信、更智能、更易用的知识管理解决方案。KnowFlow v2.3.2 现已发布，立即体验 ColPali 多模态解析和企业微信接入的强大能力！关注公众号KnowFlow 企业知识库。

2026-01-16 17:11:15 725

原创一个程序员团队的 2025：关于创业、知识库，以及不想被定义的人生

《程序员创业记：从技术到产品的知识库实践》摘要： 2025年，一支由4-5名程序员组成的团队基于RAGFlow二次开发了KnowFlow企业知识库产品。团队凭借数据治理经验，瞄准私有化场景下的准确率痛点，通过优化文档解析、分块策略和工程化能力，服务了30+企业用户。从开源社区互动到获得首笔订单，团队完成了从技术执行者到产品决策者的角色转变。文章分享了选择知识库赛道的三大理由、真实企业面临的RAG痛点，以及团队在产品定位、技术取舍和商业化过程中的思考。未来将持续深耕多模态RAG和国产化生态建设。

2025-12-23 14:15:04 676

原创 KnowFlow v2.3.0 重磅发布：适配 RAGFlow v0.22.1 和 MinerU v2.6.5、新增支持多模态视频解析，让知识库“看见“更多

KnowFlow v2.3.0发布，新增多模态视频解析能力，支持视频文件的智能分块与检索。通过五阶段流水线处理：ASR优先转录、关键帧提取、智能切片、VLM描述和Chunk组装，将视频内容转化为结构化数据。核心技术包括Whisper ASR引擎的精确语音识别、关键帧智能提取算法，以及适配RAGFlow和PaddleOCR等组件。该版本标志着KnowFlow正式进入多模态时代，助力企业高效管理视频资产。

2025-12-19 16:56:32 1261

原创 KnowFlow 知识库一键导入导出：打破在线与离线的边界

KnowFlow v2.1.9推出知识库导入导出功能，解决企业离线环境知识管理痛点。该功能支持在线环境利用强大算力完成文档解析、智能分块和向量化处理后，将完整知识库导出为压缩包，通过物理介质快速部署到离线环境。相比传统方式，可降低80%硬件成本，提升5-12倍效率，实现秒级知识库迁移。功能包含完整元数据导出、多模式导入及严格校验机制，适用于金融、制造等需要网络隔离的场景，保障业务连续性和合规要求。测试显示万级文档导入仅需1小时，显著优化企业知识管理全流程。

2025-11-25 15:28:27 566

原创 KnowFlow 牵手百度 PaddleOCR-VL，开启高精度文档解析新时代

KnowFlow v2.1.8 正式发布！本版本最大的亮点是与百度飞桨团队深度合作，集成了业界领先的，为用户带来更高精度的文档解析能力。同时，我们在产品易用性和用户体验方面也做了诸多优化，让企业级知识库管理更加便捷高效。KnowFlow 是专注于的企业级知识库产品，将结构化与非结构化数据治理成对大模型更可信的输入，致力于构建 AI 时代的数据根基。

2025-11-18 18:47:27 582

原创 KnowEval：RAG 工程化的最后一公里，让问答质量有据可依

在 AI 时代，数据质量决定了应用质量。KnowFlow 解决了数据治理的问题，让知识库"可信"；KnowEval 解决了质量评测的问题，让 RAG 系统"可控"。数据治理 + 质量保证 = RAG 工程化的完整闭环降低 RAG 应用的开发门槛：从数据准备到质量保证，全流程工具化提升 RAG 应用的质量上限：通过数据驱动优化，持续提升问答效果加速 RAG 应用的落地速度：从几个月缩短到几周甚至几天将结构化与非结构化数据治理成对大模型更可信的输入，构建面向未来的数据治理平台，重塑 AI 时代的数据根基。

2025-11-10 18:05:01 1101

原创多模态 RAG 以文搜图在 RAGFlow 中的实践，自动化测试为 API 质量保驾护航，KnowFlow 全新 UI 重磅来袭

KnowFlow v2.1.6版本发布，带来三大核心更新：1)实现"以文搜图"功能，通过视觉模型增强图片描述并向量化存储；2)全面重构UI设计，采用AI生成的设计规范优化视觉体验和加载性能；3)新增API自动化测试体系，确保80余个接口的稳定性。本次更新还修复了多个技术缺陷，优化了分块检索逻辑和聊天提示词。产品定位聚焦于构建可信数据治理平台，未来将深化与Agent平台的整合并拓展智能数据分析能力。社区版已同步更新至v2.0.8版本。

2025-10-21 11:11:14 1373

原创 RAGFlow 适配 MinerU v2.5.4, 支持 vlm 和 pipline 双模式；MinerU/Dots 无缝接入 RAGFlow，新增父子、语义、标题、正则切片方法

摘要：RAGFlow适配MinerUv2.5.4，支持vlm和pipline双模式，新增父子、语义、标题、正则切片方法。架构设计采用解析器与分块方法分离，提升复用性和维护性。优化了RBAC权限检查，响应速度从700ms提升至200ms，并修复了坐标映射等问题。MinerUv2.5.4识别效果显著，支持自动跨页表格合并。未来将聚焦多模态开发，实现图文搜索功能。开源社区版已更新至v2.0.8。

2025-10-10 17:19:37 2107 2

原创 RAGFlow 全面接入 MinerU 2.0，支持 pipeline、vlm-transformers、vlm-sglang 三种模式，解析精度大幅度提升

KnowFlow v1.0.0正式接入MinerU 2.0，主要解决原架构耦合度高、部署困难的问题，并显著提升文档OCR识别准确率。新版支持三种部署模式，重点推荐vlm-sglang-client模式，在单卡4090上可达10,000+tokens/s的吞吐量。项目采用组件化设计，提供轻量级和完整版Docker镜像，并开放源码方便二次开发。开发者发烧期间仍坚持完成版本发布，强调开源项目的价值在于技术分享与社区认可。未来计划继续深入RAGFlow源码解读、开源前端代码，并通过视频平台推广项目。

2025-06-30 11:45:27 4989

原创 RAGFlow 插件支持自定义正则分块、Excel 分块增强

RAGFlow 插件最新版本优化了文档分块功能，新增自定义正则分块策略，支持前端配置分块参数。作为RAGFlow的兼容扩展项目，重点解决企业场景落地问题。针对Excel处理，改进解析策略，动态计算分块大小并优化合并单元格处理，但保留行列关联问题待后续检索专题解决。未来计划接入MinerU 2.0并转向Docker服务架构，后续将聚焦源码解读与混合检索等核心功能。该项目已开源，欢迎社区交流。

2025-06-23 11:00:42 1765

原创 RAGFlow Markdown 文件分块支持 AST 智能分块，检索效果显著增强

新版本提供三种分块策略：Basic方案保持简单高效；SmartAST方案通过AST解析实现语义分块，平均422token，兼顾质量和性能；标题驱动方案适合层级化文档，平均504token。同时增强了微信/企业微信的三方接入能力，支持自动创建独立会话。测试表明智能分块策略显著提升检索效果，但文档解析尤其是表格识别仍有改进空间。未来将聚焦文档识别优化和Excel分块增强，持续提升RAG系统准确率。

2025-06-23 10:53:58 1804

原创实战复盘 | 基于视觉模型的多模态 RAG 系统，我们踩过的坑与收获 (项目已开源)

目前市场内主流的 RAG 系统技术方案，以文本为主。将 PDF、Word、图片、Excel 等不同格式的文件通过 OCR 解析成文本、表格、图片等数据，通过 chunk 存储到向量数据库。而基于视觉模型的方案反其道而行之，采用类似于 ColPali 框架实现对文档的向量化存储。检索阶段通过相似度得分获取到高关联性的图片，将这些信息喂给视觉模型如 Qwen2.5 VL，视觉模型最终将结果返回给用户。

2025-05-31 13:08:22 1052

原创我们为什么放弃传统RAG？实测案例告诉你，多模态RAG有多强！

传统文本RAG系统在企业落地中面临准确率不足的痛点，主要源于复杂文档中的图片、表格等非文本信息导致的信息丢失。多模态RAG通过融合视觉语言模型(VLM)和文本处理能力，展现出显著优势：1）直接生成图像向量，避免OCR信息损失；2）实现图文语义的深度理解；3）实测在表格提取、文档总结等场景实现精准回复。虽然存在计算资源消耗大的挑战，但问答质量的飞跃式提升使其成为RAG发展的关键方向。KnowFlow团队正在基于ColPali等先进方案研发多模态产品，推动企业知识管理的升级。

2025-05-26 17:22:46 935

原创 DeepSeek 大模型点燃 AI 市场，企业知识库、智能客服成关键落地场景

传统知识库 & 智能客服：通过叠加大模型能力逐步升级。AI Native 方案：直接基于 RAG、Agent 构建，灵活性更高，但仍处市场早期。未来，企业知识库的演进方向包括：✅数据安全与合规—— 确保企业数据隐私，支持私有化部署。✅高准确率—— 结合混合检索与智能推理，提高 AI 回答的正确性。✅多模态支持—— 处理文本、图片、音频等多种数据类型。✅行业深度应用—— 结合具体行业需求，打造高适配度的 AI 解决方案。AI 时代的企业知识库，不仅仅是存储与检索工具，更是推动企业效率提升的重要引擎。

2025-05-04 21:21:38 884

空空如也

空空如也