企业知识库布道者-优快云博客

原创 KnowWork Data Agent：DeepSeek Harness 起草语义模型、智能问数，每个数都追得到口径和 SQL，还能下钻、归因、做看板

KnowWork商业版v0.0.7通过将智能体与语义模型分离，实现“可追溯的智能问数”：智能体负责自然语言理解与交互，而指标口径、SQL逻辑与权限由业务服务统一管控。所有查询均基于预定义的语义模型生成，确保同一指标计算一致；查询过程透明可查，每个结果均可回溯至具体指标、时间、规则及执行SQL。系统还支持动态审批、受控写入、执行拦截与归因分析，保障数据准确与安全，真正实现“有数可依、有据可查”。

2026-11-08 22:46:59 273

原创基于 DeepSeek Harness 的企业私有化 Agent 平台 KnowWork v0.0.5，技能、MCP、记忆分三层

KnowWork基于DSH构建企业私有化Agent平台，推出v0.0.5版本，实现技能、MCP工具与记忆的三层管理：个人、空间、企业。个人技能需经空间管理员审核后升为部门级，再由系统管理员统一发布至全公司，确保安全可控。MCP凭据按人分配，智能体调用时使用本人权限，避免越权。企业说明与空间口径由管理员统一维护，个人记忆则由用户自主管理，支持自动提取与手动修正。知识库在空间内创建，可共享给全公司。三层结构清晰，权限分明，兼顾效率与安全，助力企业智能化落地。

2026-11-05 21:16:16 260

原创从 KnowFlow 到 KnowWork，我们为什么基于 DeepSeek Harness 重构知识库，让智能体自己去翻资料

KnowWork 以 DeepSeek Harness 为内核，重构知识库能力：从系统筛选 TopN 分块转向智能体自主检索、整节阅读与沙箱计算。通过让智能体“自己翻资料”，突破传统 RAG 的答案上限，支持多跳查询、表格计算与文档生成。知识库不再仅服务于问答，而是支撑合同审查、报告撰写等复杂任务。运营层面，运行记录与“知识缺口”机制实现问题可追溯、补全可验证。核心理念：先有智能体，再长出知识库——框架由官方提供，差异在知识质量与结构化程度。

2026-11-03 09:51:00 229

原创 KnowWork v0.0.3 发布：智能体底座全部开源，知识库为什么闭源

KnowWork v0.0.3 发布，基于 DeepSeek Harness（DSH）打造企业私有化 Agent 平台。核心架构为：智能体底座开源（Apache-2.0），涵盖运行、权限、技能隔离、接口与数据反馈；知识库与长期记忆闭源，聚焦文档解析、多跳检索、视觉识别、知识运营闭环。开源层保障可扩展与可控性，闭源层确保知识准确性与可用性。新增多工作空间、IM 机器人及问答大盘功能，实现跨部门隔离与统一管理。强调“知识库是与框架并列的一等公民”，其价值源于多年实战经验与持续运营能力。

2026-10-29 17:53:36 300

原创基于 DeepSeek Harness 的企业私有化 Agent 平台 KnowWork 开源，多租户、权限、沙箱、审计都已做好

KnowWork 是一个面向企业私有化部署的 Agent 平台。今天第一个公开版本 v0.0.1 发布，代码和镜像都用 Apache-2.0 许可，没有附加条款，可以商用，也可以改名、换 Logo 交付给客户。DeepSeek Harness 加上 RBAC 权限、企业沙箱、知识库、模型网关、审批审计、技能管控和私有化部署，就是 KnowWork，记忆层还在计划里我们是做私有化知识库 KnowFlow 的团队。

2026-10-23 10:37:33 439

原创基于 RAGFlow 的版本冲突与元数据实战：自动识别文档版本冲突，元数据点选就能录 | KnowFlow v2.6.2

v2.6.2 版本强化企业知识库的版本与元数据管理：通过文件名、文号、版本号、替代声明及正文指纹自动识别新旧版本，高置信度者直接停用并标注依据，中置信度交管理员确认，确保旧版不进入答案；判错可一键撤销。元数据录入改为结构化表单，字段由管理员统一定义，避免混乱，过滤条件透明可见，回答上方实时展示筛选逻辑，提升准确性与可追溯性。

2026-10-15 15:13:30 247

原创重磅！KnowFlow 正式开源 KnowEval：RAGFlow、自研 RAG 都能测的端到端 RAG 评测工具

KnowEval 是面向中文企业文档的端到端 RAG 评测工具，支持 PDF、Word 等原始文件全流程测试，覆盖解析、分块、检索与回答。它通过七类题型（如跨文档多跳、表格数值、无答案等）精准评估系统表现，判分采用三档制（答对、坦白不知、自信错），并提供置信区间与配对检验，确保结果可比可信赖。支持对接 KnowFlow、RAGFlow 及自研系统，开箱即用，强调真实场景与数据共建。项目已开源，代码与镜像均采用 Apache-2.0 许可，欢迎贡献中文企业级评测数据集。

2026-10-13 14:02:44 404

原创 KnowFlow v2.6.0 从知识库问答到基于知识库干活的企业私有化办公 Agent

KnowFlow v2.6.0 推出企业内网办公 Agent，可基于用户指令自动整理合同条款、生成并交付带出处的 Word、Excel、PPT 文件，文件以卡片形式嵌入对话，支持预览与修订模式。所有操作在隔离沙箱中完成，数据不出企业，权限严格继承。新增长期记忆与插话功能，支持跨会话偏好记忆与任务中实时补充指令。问数模块优化建模、查询与验证流程，静默错答归零，基线题正确率提升至100%。界面统一采用 Ant Design 5 规范，整体体验更一致、高效。

2026-09-28 17:09:35 350

原创我们做私有化知识库踩过的哪些坑（一）：文件解析和分块

KnowFlow 的 RAG 流程分三层：先通过 MinerU 精准识别文字、标题与图片，再用 MinerU-Popo 构建文档级结构树，恢复跨页表格、图文关联等语义关系，最后按文档类型选择五种切块策略（如 smart、title、page、parent_child 等），确保语义完整。图片则通过原生描述、VLM 补充与上下文摘要生成独立可检索的 caption 子块，实现“图可搜、文可返”。整套设计源于对可核对性与精准召回的极致追求。

2026-09-11 14:37:13 121

原创我们做私有化知识库踩过的哪些坑（一）：文件解析和分块

KnowFlow 的 RAG 流程从文件解析三阶段入手：第一层用 MinerU 精准识别文字、标题与图片，确保坐标与结构准确；第二层补上文档级关系，通过文本截断、标题层级、图文关联与跨页表格合并，构建带语义的文档树；第三层按文档类型灵活分块，支持 smart、title、page 等五种策略，并保障表格完整性。图片则通过多源描述生成独立子块索引，实现可检索的视觉内容理解。整个流程以“可核对”为核心，层层递进，避免问题延迟暴露。

2026-09-11 14:22:59 72

原创 KnowFlow Analytics 新品发布，由语义建模驱动的问数产品：让编译器决定跑哪条 SQL

<think>我们需要根据提供的内容生成一个不超过150字的文章摘要。用户要求“根据以下内容，生成≤150字的文章摘要”。我们需要提取核心内容，概括文章主要讲什么。文章是关于KnowFlow Analytics，一个智能问数产品。核心是解决Text-to-SQL中“静默错答”问题。架构围绕语义模型和编译器，大模型只能提议，由编译器翻译执行。强调准确率测试、分层防错机制等。摘要需简洁，≤150字。要包含关键信息：产品名称、核心问题、解决方案、特点。注意字数限制，中文约150字。我们要浓缩。可能的摘要：

2026-09-07 18:25:13 307

原创 KnowFlow Analytics 语义建模正式开源，做受治理的基于语义建模的问数产品

KnowFlow Analytics 沿着这个方向继续向前走，把语义建模、自然语言问数、人工澄清、发布治理和查询诊断放进一条完整产品链。在 KnowFlow 中：• “销售额”“营收”“GMV”可以指向同一个受治理指标；• 表之间的关系和基数需要经过确认；• 一个问题能使用的事实根、成员和 Join 路径由编译器生成并随版本冻结。

2026-08-31 18:08:20 400

原创 KnowFlow v2.4.5: 企业微信 SSO 单点登录、Mineru v3.4.4 适配、图文混排重构、LLM Wiki 持续迭代

账号组织自动同步、图文混排精准呈现、Wiki 能搜能逛,以及解析底座的升级,全都来自客户现场那些"当时觉得能凑合、用久了受不了"的具体问题。而它们之间又是互相咬合的:MinerU 解析出更准的图片描述,喂给图片独立检索,让图文混排和 Wiki 都能把图放对位置——底层的每一点进步,都会顺着这条链往上传导。企业知识库的口碑,恰恰是在这种地方建立或塌掉的。我们更愿意把力气花在这些绕不过去的坑上。如需在具体业务场景中评估这些能力,欢迎访问 KnowFlow 官网预约演示。

2026-08-07 14:03:38 233

原创 KnowFlow v2.4.3:知识库规模化之后,真正的问题才刚开始

企业RAG项目规模化面临三大核心挑战：知识库管理、权限控制和复杂检索。最新版本通过树状目录结构实现分层管理和继承式权限控制，支持多级授权与审计；引入LLM Wiki自动聚合跨文档知识生成结构化百科，确保内容可追溯；结合SAG多跳检索技术构建事件-实体图谱，解决需证据链推导的复杂问题，增强可解释性。这些升级聚焦于企业级知识库在规模扩张后的系统性治理需求，从单点精度转向整体可用性。

2026-07-13 10:58:37 374

原创一次差点闯祸的分享,让我们把企业知识库重新想了一遍

这篇文章分享了在工业设备厂商上线企业知识库过程中遇到的三个关键问题及解决方案：会话泄露风险：销售人员分享知识库链接导致商业机密泄露，通过增加登录开关区分内外访问权限，确保内部知识安全。术语不统一：不同部门对同一概念称呼不同导致搜索失效，引入同义词规则，将业务术语映射为标准词，提升检索效果。知识库状态不透明：文档堆积但无法评估有效性，通过概览页提供使用分析、文档新鲜度、异常提示和知识缺口，实现知识库的可视化管理。核心启示：知识库建设需从技术实现转向用户实际需求，关注权限控制、术语治理和持续运营，才能确

2026-07-01 18:05:06 213

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 15:25:54 459

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 14:46:12 506

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 16:16:53 428

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 11:35:39 367

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 17:49:23 437

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 10:28:47 745

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 10:54:35 555

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 09:54:34 608

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 18:01:19 391

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 18:35:39 412

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 10:51:25 505

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 10:39:29 449

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 14:53:53 794

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 1192

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 17:11:15 795

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 14:15:04 692

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 1347

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 15:28:27 638

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 18:47:27 600

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 1177

空空如也

空空如也