RAGFlow v0.25.0 于 2026年4月21日發布，這是一次覆蓋范圍非常廣的版本更新，幾乎橫跨了從文檔接入、解析、同步、Agent 能力、界面國際化、模型生態、移動端適配、存儲與數據庫升級，到安全修復、CLI、Go 服務、API 重構等多個核心方向。對于已經在使用 RAGFlow 的團隊來說，這個版本不僅帶來了能力增強，也帶來了大量穩定性優化、兼容性升級和安全加固。

一、Ingestion Pipeline：解析管道全面增強，模板更豐富，解析能力更強

本次版本在 Ingestion Pipeline 方向的變化非常顯著。最核心的更新之一，就是新增了 7 個內置 pipeline 模板，并且這些模板與 RAGFlow 原生文檔解析器保持一致。相比之前單一或通用化的處理方式，這次新增模板明顯提升了可配置性和落地效率。

同時，官方也明確提到：多個新模板帶來了顯著的解析改進。這意味著在實際使用過程中，文檔進入知識庫前的結構識別、內容切分、格式保持等能力都將得到增強。

除此之外，本次版本還對 ingestion pipeline UI 做了更新，并且加入了preprocess 預處理能力。官方后續還進一步補充了pipeline add preprocess、add preprocess parameters for ingestion pipeline等更新，說明預處理并不是簡單的 UI 微調，而是已經進入了可配置、可擴展的管道能力中。

本版本還包括以下 pipeline 相關改進：

• ? pipeline 支持 preprocess 參數

• ? pipeline 支持 ONE chunking method

• ? pipeline parser 文檔支持補充

• ? pipeline support doc for parser in word

• ? pipeline 支持關閉 VLM parsing 的按鈕

• ? pipeline 中增加音視頻支持修復

• ? pipeline 中 markdown parser 修復

• ? pipeline canvas category 修復

• ? pipeline template 更新

• ? pipeline parser log 顯示修復

• ? pipeline page 樣式優化

• ? Refact pipeline

• ? Refact update pipeline template

這些更新說明，RAGFlow 在 ingestion 層已經不只是“能導入”，而是在向“可控、可定制、可調優”的方向繼續推進。

二、Data Sources：新增多種數據源，支持刪除同步，連接器能力更完整

RAGFlow v0.25.0 在數據源能力上擴展非常明顯。官方新增的數據源包括：

• ? Seafile

• ? RSS

• ? DingTalk AI Sheet

其中，Seafile 還新增了庫和目錄同步范圍支持，RSS 也正式進入數據源支持范圍，DingTalk AI Sheet 則進一步拓展了企業常見協作數據的接入場景。

除了新增數據源，這一版本還加入了一個非常實用的能力：支持從數據源同步文件刪除。
這意味著數據源側的刪除動作不再被忽略，知識庫內容可以更準確地與源端保持一致。

圍繞數據源與同步，更新還包括：

• ? 支持 Google Drive 優化

• ? 支持 Jira 增量更新遺漏問題修復

• ? 支持 MySQL/PostgreSQL 增量同步字段暴露

• ? 支持 Seafile 庫與目錄同步范圍

• ? 支持數據源更新后重新切塊

• ? 支持數據源同步刪除文件

• ? 支持 WebDAVConnector 注冊

• ? 支持文件類型校驗

• ? 支持文件夾上傳

• ? 支持文件相關功能補齊

• ? 支持 file ancestor directory lookup

• ? 支持 file list API 重構

• ? 支持 list files 修復

在同步場景下，這些能力意味著 RAGFlow 對企業知識來源的覆蓋正在進一步擴張，尤其是針對協作平臺、網盤、表格和持續同步場景，實用性很強。

三、DOCX 與其他解析能力：更省內存、更穩定、更適合大文檔

v0.25.0 對文檔解析內部實現也做了明顯優化，尤其是 DOCX 解析策略。

官方明確提到：DOCX parsing strategy with lazy-load support for images，減少內存消耗。
后續提交記錄中也有多處相關 refactor，包括：

• ? lazy-load DOCX images to reduce peak memory without changing output

• ? unified lazy image loading for Docx parsers

• ? excel use lazy image loader

• ? refactor word parser lazy image loader

這說明圖片懶加載已經成為文檔解析體系的重要方向。對大文檔、包含大量圖片的 Word/Excel 文件來說，這種改動通常意味著更低的峰值內存、更平穩的處理過程，以及更少的加載壓力。

此外，本版本還修復和增強了大量解析相關問題：

• ? PDF 絕對頁索引混淆問題修復

• ? garbled PDF text 自動 fallback 到 OCR

• ? MinerU 的坐標上下顛倒修復

• ? Paddle OCR 缺失輪廓修復

• ? PDF chunking 參數名修正

• ? markdown table double extraction 修復

• ? html heading mapping 修正

• ? image PDF in ingestion pipeline 修復

• ? epub parsing 支持

• ? Docling parser return type hint 修復

• ? external Docling server via DOCLING_SERVER_URL 支持

• ? respect chunk_token_num for MinerU/docling/paddleocr parsers

• ? fixed parsing status recovery after transient errors

• ? document parsing status check logic 修正

整體來看，v0.25.0 的文檔解析更偏向“生產環境可用性強化”，尤其是在異常恢復、OCR 回退、圖片處理、內存控制和不同解析器協同方面。

四、Agent：發布能力上線，沙箱執行、圖表生成、數據分析模板與記憶系統增強

Agent 是這次版本最值得關注的模塊之一。

1. Agent 發布能力正式引入

官方明確新增了：agent publishing capability。
這意味著 Agent 不再只是內部配置或調試產物，而是可以進入更完整的發布流轉。

對應的更新還包括：

• ? published agent version control

• ? agent 版本歷史展示發布狀態

• ? agent application can not show Cite 修復

• ? agent 不能發布的問題修復

• ? agent embedded page 與移動端兼容

• ? agent embedded page 不再跳轉登錄頁問題修復

• ? agent 模板標題中文模式顯示問題修復

• ? agent form sheet 被 log sheet 遮擋問題修復

• ? agent exploration 頁面空對話框報錯修復

• ? agent page 樣式優化

• ? agent log 導出

• ? agent log time 可選問題修復

• ? agent log 增加 user_id

• ? agent application embedded page 支持隱藏下載按鈕

版本中明確寫到：Sandboxed code execution and chart generation。
同時安全層面也有重要升級：

• ? Adopt Jinja2 SandboxedEnvironment for template rendering

• ? fix security vulnerability using SandboxedEnvironment

• ? sandbox cannot accept large args list 修復

• ? sandbox import error 修復

• ? sandbox attachment metadata 問題修復

• ? sandbox do not attach attachment metadata 修復

• ? sandbox 中中文轉英文翻譯處理

這說明 Agent 的代碼執行與模板渲染在安全性上被進一步加固。

3. 新模板：Data Analysis Agent

官方新增了一個非常重要的模板：Data Analysis Agent。
結合 sandbox、chart generation、code execution，可以看出這個模板不是簡單的聊天模板，而是面向數據分析任務的完整 Agent 能力組合。

4. 記憶系統增強

版本說明中提到：Memory: ddded user-level memory storage and retrieval.
后續更新又補充了：

• ? record user_id in memory

• ? OceanBase memory get_aggregation

• ? OceanBase memory get_highlight

這表明 RAGFlow 在記憶層面已經開始更加細粒度地支持用戶級存儲與檢索，同時也對不同存儲后端的能力進行適配。

五、語言與界面：新增阿拉伯語、保加利亞語、土耳其語，支持 RTL

v0.25.0 的國際化和 UI 方向也非常強。

新增語言支持包括：

• ? Arabic

• ? Bulgarian

• ? Turkish

同時，官方明確寫到：UI now supports Right-to-Left (RTL) layout。
這對于阿拉伯語等從右向左閱讀的語言尤為關鍵，說明 RAGFlow 在真正走向多語言全球化界面支持。

對應的更新還包括：

• ? enable Arabic in production UI

• ? complete Arabic documentation

• ? Add Bulgarian language support

• ? add Turkish language support

• ? complete Turkish localization

• ? Turkish README translation

• ? remove duplicate “arabic” key in French translations

• ? on-demand import of i18n language pack

• ? language configuration moved to web/.env

• ? standard language codes and time zones unified

• ? replace hardcoded English strings with i18n in floating chat widget

• ? embedded dialog text translation

• ? global navigation bar style adjustment

• ? chat page style optimization

• ? dataset page styles adjustment

• ? knowledge graph、chunk、metadata、agent log styles update

可以看出，這次升級不只是增加語言包，而是從布局、組件、配置方式到文案國際化都進行了較為系統的整理。

六、模型與 Provider：支持更多模型生態，模型提供商持續擴展

RAGFlow v0.25.0 在模型層面的擴展也非常值得關注。官方這次新增了多種模型與 Provider 支持，說明系統正在進一步向“多模型、可插拔、跨生態”的方向演進。

本次更新中比較明確的新增包括：

• ? support Anthropic Claude models

• ? support ZhipuAI

• ? support Mistral

• ? support yandex models

• ? support Jina embeddings

• ? support Qwen3 series models

• ? support GPT-4o-mini

• ? support GPT-4.1

• ? support DeepSeek OCR model

• ? support nv-embed models

• ? support more embedding/rerank/LLM options

從實際意義來看，這類更新有三個層面的價值：

1. 模型選擇更靈活

不再局限于單一廠商或少數幾類模型，用戶可以根據任務類型、成本、語言能力、推理速度和部署環境靈活選擇。

2. 生態兼容性更強

新增 Anthropic、ZhipuAI、Mistral、Yandex 等支持，意味著 RAGFlow 對國際與本土模型生態的適配能力更成熟。

3. 檢索鏈路能力更完整

Jina embeddings、nv-embed 等能力的加入，會直接影響向量化、召回效果和檢索質量，對 RAG 系統本身是非常關鍵的增強。

此外，更新中也包括：

• ? model provider configuration improvements

• ? provider UI updates

• ? model option display fixes

• ? selected model persistence improvements

• ? API model and provider refactoring

這說明模型層不僅在“支持更多”，也在“配置更清晰、切換更順暢、顯示更合理”。

七、存儲與數據庫：OceanBase、SQLite、Redis 等后端適配繼續深化

這次版本在底層存儲和數據庫支持上同樣有不少動作，說明 RAGFlow 正在進一步適應企業級部署和多環境落地。

比較重要的方向包括：

• ? support OceanBase for memory aggregation/highlight

• ? support SQLite batch update

• ? support Redis config isolation

• ? support Redis lock

• ? support mysql/postgresql incremental sync exposure

• ? database schema adjustments

• ? vector storage related fixes

• ? storage migration related fixes

這些更新的意義在于：

1. 更適合企業部署

OceanBase、MySQL、PostgreSQL、Redis 等都是常見企業環境組件，支持范圍越廣，落地阻力越小。

2. 高可用與同步能力更穩

Redis lock、配置隔離等改動，通常意味著并發控制和多環境部署會更可靠。

3. 數據處理效率更高

SQLite batch update、增量同步字段暴露等優化，直接關系到批處理效率和同步準確性。

八、API、CLI、Go 服務與架構重構：平臺化能力持續增強

從這次更新的提交內容來看，RAGFlow 內部架構也在做比較大規模的整理。

API 與接口重構

包括：

• ? api refactor

• ? file list API refactor

• ? model and provider API refactor

• ? prompt API fix

• ? agent API improvements

• ? dashboard API fixes

• ? workflow API related fixes

這類變化通常意味著接口邊界在重新梳理，有利于后續功能擴展和前后端協同。

CLI 與運維能力

官方提到：

• ? CLI import assistant

• ? CLI app improvements

• ? CLI related fixes

這說明 RAGFlow 正在加強命令行部署、導入和運維可控性，對自動化部署和批量管理很有幫助。

Go 服務

版本中還出現了：

• ? go service fixes

• ? go service runtime related improvements

這意味著系統內部可能仍在推進部分服務化、性能優化或解耦改造。

九、安全修復：本次版本非常重要的升級重點之一

如果說前面很多是“能力升級”，那安全修復就是 v0.25.0 另一條非常重要的主線。

本次更新里，安全相關內容非常明確：

• ? fix security vulnerability using SandboxedEnvironment

• ? use sandboxed Jinja2 environment

• ? validate file type and URL more strictly

• ? prevent unsafe template rendering

• ? disable risky behavior in sandbox execution

• ? fix permission and access control related issues

尤其是模板渲染和沙箱執行這部分，通常都是 RAG/Agent 系統里比較敏感的安全面。
官方顯然對這部分做了專門加固，這對于企業部署非常關鍵。

十、其他值得注意的體驗優化與修復

除了以上大模塊，v0.25.0 還包含大量“看似細碎、實則很影響體驗”的修復和優化，例如：

• ? mobile adaptation improvements

• ? embedded page style fixes

• ? floating chat widget style and i18n improvements

• ? knowledge graph UI fixes

• ? token/page count display fixes

• ? import/export edge cases fixed

• ? pagination and sorting optimizations

• ? log display improvements

• ? empty state and error handling improvements

• ? versioning and history UI fixes

這些更新整體上會讓系統更穩定、更順手，也更適合真實業務場景長期使用。

總結：v0.25.0 是一次“平臺化”味道很強的版本

代碼地址：github.com/infiniflow/ragflow

整體來看，RAGFlow v0.25.0 不只是一次常規迭代，而是一次非常明顯的能力擴張：

• ?文檔接入更強：pipeline、preprocess、解析器、OCR、DOCX/Excel 懶加載全面增強

• ?數據源更廣：Seafile、RSS、DingTalk AI Sheet 等新增接入

• ?Agent 更完整：發布、版本管理、sandbox、數據分析模板、圖表生成、記憶系統都更成熟

• ?國際化更徹底：新增阿拉伯語、保加利亞語、土耳其語，并支持 RTL

• ?模型生態更開放：Claude、ZhipuAI、Mistral、Yandex、Qwen3 等持續擴展

• ?底層更穩：數據庫、存儲、API、CLI、Go 服務、安全都在持續強化

我們相信人工智能為普通人提供了一種“增強工具”，并致力于分享全方位的AI知識。在這里，您可以找到最新的AI科普文章、工具評測、提升效率的秘籍以及行業洞察。 歡迎關注“福大大架構師每日一題”，發消息可獲得面試資料，讓AI助力您的未來發展。