ragflow v0.23.1 已正式发布,发布时间为 2025 年 12 月 31 日。本次版本属于一次内容非常丰富的更新,涵盖内存管理、RAG 能力、文件解析、数据源接入、系统稳定性、安全性以及大量 Bug 修复和工程重构。
一、版本信息
• 最新版本:v0.23.1
• 发布时间:2025 年 12 月 31 日
二、核心改进(Improvements)
- 1. Memory 内存模块
当选择全部 Memory 类型时,内存提取过程的稳定性得到了显著增强,避免因复杂配置组合导致的异常问题。
- 2. RAG 能力优化
对图像和表格的上下文窗口提取策略进行了优化,使 RAG 在处理包含图片和表格的文档时,语义上下文提取更加精确。
三、问题修复(Fixed issues)
- 1. Memory 相关修复
• 当存在空的 Memory 对象时,RAGFlow 服务器无法启动的问题已修复
• 新创建的空 Memory 无法被删除的问题已修复
- 2. RAG 相关修复
• 之前不支持 MDX 文件解析的问题已修复,现已支持
四、新增与支持的数据源(Data sources)
v0.23.1 正式支持以下数据源接入:
• GitHub
• GitLab
• Asana
• IMAP
五、详细变更内容(What’s Changed)
本版本包含大量功能增强、修复、重构及文档更新,具体如下:
- 1. 文档与说明改进
• 修复文档中的错误说明
• 在环境变量配置中新增默认密码的安全警告
• 更新本地部署 LLM 的图示说明
• 补充 Docker 构建中可选代理参数
• 修正文档拼写错误
• 新增 RAG 和 Agent 上下文引擎说明文档
• 文档版本统一更新为 v0.23.1
• 新增文档分类文件
• 移除健康检查相关文档
• 文档页面主题适配优化
- 2. Memory 与时间一致性修复
• 修复从 ES 初始化 Memory 大小时的问题
• 重构时间戳一致性逻辑
• 修复时间戳与 datetime 不一致的问题
• 使用异步任务保存 Memory
• 在删除 Memory 消息前判断索引是否存在
• 修复 API Key 删除 Bug
- 3. RAG 与解析能力增强
• 修复 MDX 文件解析问题并正式支持
• 修复数据集解析错误
• 修复批量解析问题
• 优化图像和表格上下文提取逻辑
• 重构 metadata 提取规则以提升精度
• 文档解析配置变更时,自动删除分块图片
• 修复数值型 metadata 在 meta_filter 中导致的 TypeError
- 4. Agent 与 Chat 相关修复与增强
• 修复聊天页面存在错误信息时,后续消息引用显示异常的问题
• 修复会话引用初始化错误,防止对话错位
• 新建 Agent 的 begin 节点显示 undefined 的问题已修复
• 支持在 Agent 页面和 Chat 页面中,仅选择使用相同 embedding 模型的知识库
• 在 begin 节点增加显示模式设置
• 修复消息选择删除逻辑问题
- 5. 数据源与连接器
• 新增 Asana 数据源接入及配置能力
• 新增 IMAP 数据源接入、配置及同步能力
• 新增 GitHub 数据源连接器
• 新增 GitLab 数据源连接器
• 修复 S3 数据源参数错误
• 修复 S3 数据源页面样式问题
- 6. 系统与管理后台优化
• 管理后台用户列表支持按邮箱排序
• 管理状态面板中不再显示未使用组件状态
• 管理端分页在数据刷新后自动回到第一页的问题已修复
- 7. 安全性与稳定性提升
• 使用 ast.literal_eval 替换不安全的 eval 调用
• 修复代码扫描安全告警中权限配置问题
- 8. SDK 与 API 相关修复
• 确保 rm_chunk API 中变量正确初始化
• 移除 webhook 中输出 jsonschema 的代码
• 修复应用知识库配置的 LLM 无法生效的问题
- 9. 前端与 UI 修复
• 修复动态翻译 key chunk.docType 显示异常
• 修复 IDE 警告
• 修复数据重新拉取后分页重置异常
- 10. 架构与工程调整
• 重构部分代码逻辑
• 文档解析器在处理完成后正确关闭字节流
• 更新模型提供方配置
• 更新发布流程配置
• 修复索引和数据删除流程中的边界问题
六、版本总结
代码地址:github.com/infiniflow/ragflow
ragflow v0.23.1 是一个在稳定性、可扩展性与企业级数据接入能力上都非常重要的版本。
一方面,Memory 模块和时间一致性问题得到系统性修复;另一方面,RAG 在图像、表格、多格式文档理解上的能力进一步增强。同时,多数据源接入(GitHub、GitLab、Asana、IMAP)的加入,使 ragflow 在真实业务场景中的可用性显著提升。
·
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。
欢迎关注“福大大架构师每日一题”,发消息可获得面试资料,让AI助力您的未来发展。
·