RAGFlow0.25版本更新与记忆工作流简介

RAGFlow0.25版本更新与记忆工作流简介

全文链接：RAGFlow0.25版本更新与记忆工作流简介

本文归纳RAGFlow自v0.20.0起至v0.25.0区间在官方发布说明中的主要功能与重大变更，并单独说明Memory（记忆）模块的定位、配置要点与可落地的 Agent 工作流（含文字箭头流程图）。具体子版本与修复项繁多，以官方 Release notes 与各版本 GitHub Release为准；升级前务必阅读对应版本的Breaking changes / 数据库迁移说明。

目录

• 一、信息来源与版本跨度
• 二、按版本的功能速览（0.20.x～0.25.0）
• 三、重大更新归纳
• 四、Memory 模块：做什么、怎么配
• 五、记忆功能工作流示例与流程图
• 六、升级与排障提示
• 七、参考链接

一、信息来源与版本跨度

• 官方 Release notes：Releases | RAGFlow
• GitHub 标签页：infiniflow/ragflow Releases
• Memory 使用说明：Use memory | RAGFlow

本文讨论的「0.20.0 到 0.25.0 之间」包含0.20.x 补丁线与0.21.0～0.25.0的主线功能；0.20.0本身是一次Agent 体系大改版的起点，后文会单独强调。

二、按版本的功能速览（0.20.x～0.25.0）

三、重大更新归纳

下列条目在产品形态、部署或研发集成上影响面较大，可视为「重大」或需重点阅读发行说明的更新（非严格排名）。

1. v0.20.0：Agent/Workflow 统一与 MCP

   • 与旧版Agent 不兼容、必须重建；统一编排 + MCP 全链路，相当于平台代际切换。

2. v0.21.0：可编排入库 + GraphRAG/RAPTOR 构建方式 + 长文 TOC

   • 数据进入知识库的方式产品化；长文档 RAG 通过TOC/PageIndex思路缓解切块带来的上下文丢失。

3. v0.22.0：Docker 发行策略 Breaking + 在线数据源 + RAPTOR 粒度

   • 部署镜像策略变化影响所有依赖 full 镜像习惯的用户；云同步与RAPTOR 按库/按文档扩展了运维与知识工程选项。

4. v0.23.0：Memory 首版 + Agent 能力面（Webhook、语音、多 Retrieval）+ 入库流水线与分块

   • 记忆与Agent 编排进入可配置闭环；与后续API形成前后衔接。

5. v0.24.0：Memory API + 多 Sandbox + Agent 会话体验

   • 程序化管理记忆、隔离执行环境、会话与「思考」模式等，偏向企业落地与可观测性。

6. v0.25.0：Agent 发布、流水线模板强化、用户级 Memory、DB 升级与生态

   • 对外发布 Agent、数据分析模板、用户级记忆与DB 迁移脚本等，对生产发布与升级路径要求高。

说明：v0.25.0 在 GitHub Release 正文中另有Memory API 网关/服务分层、安全相关修复等大量 PR，运维与安全团队宜对照完整 changelog评估。

四、Memory 模块：做什么、怎么配

根据官方 Use memory：

• 定位：在 Agent 运行过程中持久化对话与衍生信息（摘要、笔记等），并把内容整理为不同类型，使后续对话能召回用户事实、经历与任务上下文，减少重复与跑题。
• 类型（创建时可勾选抽取维度）：
  • Raw：原始对话（默认必需）。
  • Semantic Memory：与用户/世界相关的事实与常识性条目。
  • Episodic Memory：带时间色彩的事件与经历记录。
  • Procedural Memory：技能、习惯、流程化经验。

创建与配置路径：Overview → Memory中新建；在某一 Memory 的Configuration中设置：

在 Agent 中启用（与检索闭环）：

• Retrieval组件：配置为从指定Memory读取（与知识库检索并列，用于把历史记忆拉回上下文）。
• Message组件：配置Save to Memory，把本轮需沉淀的内容写入同一或指定 Memory。

官方强调：凡使用 Memory 的 Agent，通常需要配套 Retrieval 才能把记忆读回对话。

五、记忆功能工作流示例与流程图

以下三个示例均基于官方描述的「Retrieval 读 Memory + Message 写 Memory」模式；画布上具体节点名称以你当前RAGFlow UI为准。

5.1 示例一：客服机器人「越聊越懂你」

业务目标：用户多次咨询退换货政策；系统记住已核实过的订单号、偏好渠道，避免用户重复输入。

用户发消息 → Message 节点（对话模型回复） → 分支：若本轮包含可沉淀事实（订单号、结论） → Message「Save to Memory」写入 Memory-A → 下一轮用户再问 → Retrieval（知识库 + Memory-A）并行或串行召回 → Message 生成回答（带记忆上下文）

文字要点：首次对话写入Episodic / Semantic；后续Retrieval同时命中FAQ 知识库与Memory-A中的订单事实。

5.2 示例二：内部知识助手 + 会议结论沉淀

业务目标：检索公司制度（数据集）同时，把每次会议结论写入团队共享 Memory。

开始（用户提问） → Retrieval-1：数据集「制度库」 → Retrieval-2：Memory「团队纪要」（Permission=Team） → 合并上下文 → LLM 回答 → 若用户指令「记录本次会议结论」 → Message → Save to Memory「团队纪要」

流程图（箭头）：

[用户输入] ↓ [Retrieval: 制度数据集] ↓ [Retrieval: 团队 Memory] ──→ [合并上下文] ↓ ↓ [LLM 生成答复] ←───────────────────┘ ↓ [用户确认「写入纪要」] ↓ [Message: Save to Memory] ↓ [Memory 条目更新，供下次 Retrieval]

5.3 示例三：仅「读记忆」的只读助手（不写回）

业务目标：上线前只想用已有 Memory 做个性化，不允许自动写入。

[用户输入] ↓ [Retrieval: Memory-B（只读）] ↓ [Retrieval: 业务知识库] ↓ [LLM] ↓ [结束] （不在 Message 上配置 Save to Memory）

适用于记忆由管理员人工整理导入或仅消费历史会话导出的场景。

5.4 运维与治理（与版本相关）

• v0.23.1起修复了「空 Memory 导致服务起不来」「空 Memory 删不掉」等问题；生产环境应避免创建无配置的空 Memory，并定期在 Memory 管理页清理/遗忘条目（官方说明：手动遗忘的条目不再参与 Agent 召回）。
• v0.24.0起可通过HTTP/Python API做记忆管理自动化（具体路径见 HTTP API reference 与 Python 文档）。
• v0.25.0发布说明提到用户级 Memory与Memory API 分层重构；集成方需关注接口路径或网关行为是否与旧版一致，以当前文档为准。

六、升级与排障提示

• 跨 0.20.0：旧 Agent必须重建；若有历史工作流，需按官方迁移说明重做。
• 跨 0.22.0：Docker仅 slim、无嵌入镜像策略变化；依赖-full内置嵌入的环境需改部署方式。
• 跨 0.25.0：关注数据库升级脚本、默认 MinIO 镜像变更、Elasticsearch 9.x等与运维相关的条目。
• Memory：升级后若遇抽取失败或 API 404，先查Release notes中 Memory 相关修复版本，并对照Use memory与Share memory文档检查权限与 Retrieval/Message 绑定。

七、参考链接

1. RAGFlow Release notes（官方）
2. RAGFlow Changelog
3. infiniflow/ragflow Releases（GitHub）
4. Use memory | RAGFlow
5. Retrieval 组件说明
6. Message 组件（Agent 组件参考）
7. HTTP API Reference
8. v0.25.0 Release（GitHub）
9. Share memory | RAGFlow

文档与界面随版本迭代，若链接锚点变更，请从 RAGFlow 文档首页重新导航。