RAGFlow v0.25.0 于 2026年4月21日发布，这是一次覆盖范围非常广的版本更新，几乎横跨了从文档接入、解析、同步、Agent 能力、界面国际化、模型生态、移动端适配、存储与数据库升级，到安全修复、CLI、Go 服务、API 重构等多个核心方向。对于已经在使用 RAGFlow 的团队来说，这个版本不仅带来了能力增强，也带来了大量稳定性优化、兼容性升级和安全加固。

---

一、Ingestion Pipeline：解析管道全面增强，模板更丰富，解析能力更强

本次版本在 Ingestion Pipeline 方向的变化非常显著。最核心的更新之一，就是新增了 7 个内置 pipeline 模板，并且这些模板与 RAGFlow 原生文档解析器保持一致。相比之前单一或通用化的处理方式，这次新增模板明显提升了可配置性和落地效率。

同时，官方也明确提到：多个新模板带来了显著的解析改进。 这意味着在实际使用过程中，文档进入知识库前的结构识别、内容切分、格式保持等能力都将得到增强。

除此之外，本次版本还对 ingestion pipeline UI 做了更新，并且加入了preprocess 预处理能力。官方后续还进一步补充了 pipeline add preprocess、add preprocess parameters for ingestion pipeline 等更新，说明预处理并不是简单的 UI 微调，而是已经进入了可配置、可扩展的管道能力中。

本版本还包括以下 pipeline 相关改进：

• • pipeline 支持 preprocess 参数
• • pipeline 支持 ONE chunking method
• • pipeline parser 文档支持补充
• • pipeline support doc for parser in word
• • pipeline 支持关闭 VLM parsing 的按钮
• • pipeline 中增加音视频支持修复
• • pipeline 中 markdown parser 修复
• • pipeline canvas category 修复
• • pipeline template 更新
• • pipeline parser log 显示修复
• • pipeline page 样式优化
• • Refact pipeline
• • Refact update pipeline template

这些更新说明，RAGFlow 在 ingestion 层已经不只是“能导入”，而是在向“可控、可定制、可调优”的方向继续推进。

---

二、Data Sources：新增多种数据源，支持删除同步，连接器能力更完整

RAGFlow v0.25.0 在数据源能力上扩展非常明显。官方新增的数据源包括：

• • Seafile
• • RSS
• • DingTalk AI Sheet

其中，Seafile 还新增了库和目录同步范围支持，RSS 也正式进入数据源支持范围，DingTalk AI Sheet 则进一步拓展了企业常见协作数据的接入场景。

除了新增数据源，这一版本还加入了一个非常实用的能力：支持从数据源同步文件删除。
这意味着数据源侧的删除动作不再被忽略，知识库内容可以更准确地与源端保持一致。

围绕数据源与同步，更新还包括：

• • 支持 Google Drive 优化
• • 支持 Jira 增量更新遗漏问题修复
• • 支持 MySQL/PostgreSQL 增量同步字段暴露
• • 支持 Seafile 库与目录同步范围
• • 支持数据源更新后重新切块
• • 支持数据源同步删除文件
• • 支持 WebDAVConnector 注册
• • 支持文件类型校验
• • 支持文件夹上传
• • 支持文件相关功能补齐
• • 支持 file ancestor directory lookup
• • 支持 file list API 重构
• • 支持 list files 修复

在同步场景下，这些能力意味着 RAGFlow 对企业知识来源的覆盖正在进一步扩张，尤其是针对协作平台、网盘、表格和持续同步场景，实用性很强。

---

三、DOCX 与其他解析能力：更省内存、更稳定、更适合大文档

v0.25.0 对文档解析内部实现也做了明显优化，尤其是 DOCX 解析策略。

官方明确提到：DOCX parsing strategy with lazy-load support for images，减少内存消耗。
后续提交记录中也有多处相关 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

这说明图片懒加载已经成为文档解析体系的重要方向。对大文档、包含大量图片的 Word/Excel 文件来说，这种改动通常意味着更低的峰值内存、更平稳的处理过程，以及更少的加载压力。

此外，本版本还修复和增强了大量解析相关问题：

• • PDF 绝对页索引混淆问题修复
• • garbled PDF text 自动 fallback 到 OCR
• • MinerU 的坐标上下颠倒修复
• • Paddle OCR 缺失轮廓修复
• • PDF chunking 参数名修正
• • markdown table double extraction 修复
• • html heading mapping 修正
• • image PDF in ingestion pipeline 修复
• • epub parsing 支持
• • Docling parser return type hint 修复
• • 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

整体来看，v0.25.0 的文档解析更偏向“生产环境可用性强化”，尤其是在异常恢复、OCR 回退、图片处理、内存控制和不同解析器协同方面。

---

四、Agent：发布能力上线，沙箱执行、图表生成、数据分析模板与记忆系统增强

Agent 是这次版本最值得关注的模块之一。

1. Agent 发布能力正式引入

官方明确新增了：agent publishing capability。
这意味着 Agent 不再只是内部配置或调试产物，而是可以进入更完整的发布流转。

对应的更新还包括：

• • published agent version control
• • agent 版本历史展示发布状态
• • agent application can not show Cite 修复
• • agent 不能发布的问题修复
• • agent embedded page 与移动端兼容
• • agent embedded page 不再跳转登录页问题修复
• • agent 模板标题中文模式显示问题修复
• • agent form sheet 被 log sheet 遮挡问题修复
• • agent exploration 页面空对话框报错修复
• • agent page 样式优化
• • agent log 导出
• • agent log time 可选问题修复
• • agent log 增加 user_id
• • agent application embedded page 支持隐藏下载按钮

2. 沙箱执行与图表生成

版本中明确写到：Sandboxed code execution and chart generation。
同时安全层面也有重要升级：

• • Adopt Jinja2 SandboxedEnvironment for template rendering
• • fix security vulnerability using SandboxedEnvironment
• • sandbox cannot accept large args list 修复
• • sandbox import error 修复
• • sandbox attachment metadata 问题修复
• • sandbox do not attach attachment metadata 修复
• • sandbox 中中文转英文翻译处理

这说明 Agent 的代码执行与模板渲染在安全性上被进一步加固。

3. 新模板：Data Analysis Agent

官方新增了一个非常重要的模板：Data Analysis Agent。
结合 sandbox、chart generation、code execution，可以看出这个模板不是简单的聊天模板，而是面向数据分析任务的完整 Agent 能力组合。

4. 记忆系统增强

版本说明中提到：Memory: ddded user-level memory storage and retrieval.
后续更新又补充了：

• • record user_id in memory
• • OceanBase memory get_aggregation
• • OceanBase memory get_highlight

这表明 RAGFlow 在记忆层面已经开始更加细粒度地支持用户级存储与检索，同时也对不同存储后端的能力进行适配。

---

五、语言与界面：新增阿拉伯语、保加利亚语、土耳其语，支持 RTL

v0.25.0 的国际化和 UI 方向也非常强。

新增语言支持包括：

• • Arabic
• • Bulgarian
• • Turkish

同时，官方明确写到：UI now supports Right-to-Left (RTL) layout。
这对于阿拉伯语等从右向左阅读的语言尤为关键，说明 RAGFlow 在真正走向多语言全球化界面支持。

对应的更新还包括：

• • 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，这次升级不只是增加语言包，而是从布局、组件、配置方式到文案国际化都进行了较为系统的整理。

---

六、模型与 Provider：支持更多模型生态，模型提供商持续扩展

RAGFlow v0.25.0 在模型层面的扩展也非常值得关注。官方这次新增了多种模型与 Provider 支持，说明系统正在进一步向“多模型、可插拔、跨生态”的方向演进。

本次更新中比较明确的新增包括：

• • 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

从实际意义来看，这类更新有三个层面的价值：

1. 模型选择更灵活

不再局限于单一厂商或少数几类模型，用户可以根据任务类型、成本、语言能力、推理速度和部署环境灵活选择。

2. 生态兼容性更强

新增 Anthropic、ZhipuAI、Mistral、Yandex 等支持，意味着 RAGFlow 对国际与本土模型生态的适配能力更成熟。

3. 检索链路能力更完整

Jina embeddings、nv-embed 等能力的加入，会直接影响向量化、召回效果和检索质量，对 RAG 系统本身是非常关键的增强。

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

这说明模型层不仅在“支持更多”，也在“配置更清晰、切换更顺畅、显示更合理”。

---

七、存储与数据库：OceanBase、SQLite、Redis 等后端适配继续深化

这次版本在底层存储和数据库支持上同样有不少动作，说明 RAGFlow 正在进一步适应企业级部署和多环境落地。

比较重要的方向包括：

• • 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

这些更新的意义在于：

1. 更适合企业部署

OceanBase、MySQL、PostgreSQL、Redis 等都是常见企业环境组件，支持范围越广，落地阻力越小。

2. 高可用与同步能力更稳

Redis lock、配置隔离等改动，通常意味着并发控制和多环境部署会更可靠。

3. 数据处理效率更高

SQLite batch update、增量同步字段暴露等优化，直接关系到批处理效率和同步准确性。

---

八、API、CLI、Go 服务与架构重构：平台化能力持续增强

从这次更新的提交内容来看，RAGFlow 内部架构也在做比较大规模的整理。

API 与接口重构

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

这类变化通常意味着接口边界在重新梳理，有利于后续功能扩展和前后端协同。

CLI 与运维能力

官方提到：

• • CLI import assistant
• • CLI app improvements
• • CLI related fixes

这说明 RAGFlow 正在加强命令行部署、导入和运维可控性，对自动化部署和批量管理很有帮助。

Go 服务

版本中还出现了：

• • go service fixes
• • go service runtime related improvements

这意味着系统内部可能仍在推进部分服务化、性能优化或解耦改造。

---

九、安全修复：本次版本非常重要的升级重点之一

如果说前面很多是“能力升级”，那安全修复就是 v0.25.0 另一条非常重要的主线。

本次更新里，安全相关内容非常明确：

• • 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执行这部分，通常都是 RAG/Agent 系统里比较敏感的安全面。
官方显然对这部分做了专门加固，这对于企业部署非常关键。

---

十、其他值得注意的体验优化与修复

除了以上大模块，v0.25.0 还包含大量“看似细碎、实则很影响体验”的修复和优化，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

这些更新整体上会让系统更稳定、更顺手，也更适合真实业务场景长期使用。

---

总结：v0.25.0 是一次“平台化”味道很强的版本

代码地址：github.com/infiniflow/ragflow

整体来看，RAGFlow v0.25.0 不只是一次常规迭代，而是一次非常明显的能力扩张：

• • 文档接入更强：pipeline、preprocess、解析器、OCR、DOCX/Excel 懒加载全面增强
• • 数据源更广：Seafile、RSS、DingTalk AI Sheet 等新增接入
• • Agent 更完整：发布、版本管理、sandbox、数据分析模板、图表生成、记忆系统都更成熟
• • 国际化更彻底：新增阿拉伯语、保加利亚语、土耳其语，并支持 RTL
• • 模型生态更开放：Claude、ZhipuAI、Mistral、Yandex、Qwen3 等持续扩展
• • 底层更稳：数据库、存储、API、CLI、Go 服务、安全都在持续强化

·

---

我们相信人工智能为普通人提供了一种“增强工具”，并致力于分享全方位的AI知识。在这里，您可以找到最新的AI科普文章、工具评测、提升效率的秘籍以及行业洞察。

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

·