【大模型小白必学】RagFlow 2025大进化：从入门到精通的版本更新全解析！

简介

本文总结了RagFlow 2025年的版本更新，重点解析了v0.20.0里程碑版本的全面重构，包括UI重构、双向MCP支持、多级Agent系统、Agentic自主规划、动态知识库指定、多模型比较等新功能。这些更新使RagFlow构建起更强大的AI应用底座，为开发者提供了更灵活的大模型应用开发能力。文章还提供了Docker部署教程，是开发者学习RagFlow和大模型应用的必读指南。

---

【更新频率】自2025年2月以来，已发布12个版本，平均每2-3周更新一次。
虽然8月、9月的更新频次貌似跟上半年持平，但是看release内容可以知道，v0.20.0之后的功能质量完胜之前的。

先来看看新版本的更新内容，完整总结见 文末

👀v0.20.0 的干货最多哈！咱从全面重构开始讲

---

部署教程见文末

1.UI重构

老版本没有首页

自v0.20.0新版本后，启动RagFlow服务器，就来到首页。

一直在更新，更多的大模型学习和面试资料已经上传带到优快云的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

就是把知识库、聊天、搜索、智能体，四项内容，在首页再完整显示一下，配色好看些。

2.双向MCP

对 双向MCP 一词，一定不陌生。

什么是MCP？MCP指的是模型上下文协议，方便LLM集成外部工具。
什么是双向？意思是：方便导入别人做好的MCP服务器，也能把自己的agent作为MCP客户端，给其他应用使用。

要实现 双向MCP，你一定有这3个问题：
1.如何启动 RAGFlow MCP 服务器？[1]
2.如何作为MCP客户端？[2]
3.如何导入MCP服务器

前两个问题，详见官方教程，见链接。

第3个问题，导入MCP 在右上角的设置中，右侧栏点击 MCP 可以看到。

支持两种方式导入：①导入json文件，②手动编辑

具体说下方式①

1. 1. 复制：魔搭MCP广场[3]找1个MCP服务，如12306-MCP，复制右侧的服务器配置信息
2. 2. 粘贴：新建 12306.json，粘贴服务器配置
3. 3. 上传：点击Import，上传json文件
4. 4. 最后点击保存
      

   RagFlow导入MCP全流程

点到编辑，可以看到各项可用工具，表示配置成功🎊

编辑MCP服务

3.Multi-Agent（多级Agent）

这是单层Agent

单层Agent

这是多层Agent

多层Agent

✅ 定义：单层Agent是指一个任务由一个智能体独立完成，不涉及层级分工或任务传递。
🎯 适用场景：

• • 简单任务自动化：如自动问答、文档摘要、数据提取。
• • 用户直接交互：如客服机器人、语音助手。
• • 单一目标明确的任务：如查询天气、翻译文本。
  💡示例：“帮我总结一下这篇论文。”

✅ 定义：多层Agent是指任务由多个智能体协作完成，存在层级分工或任务流转，比如一个Agent负责规划，另一个负责执行，另一个负责验证。
🎯 适用场景：

• • 复杂任务拆解：如项目管理、自动化运营流程。
• • 需要协作与反馈的场景：如智能客服系统中，一个Agent负责理解问题，另一个负责调用API，另一个负责生成回答。
• • 高阶智能应用：如模拟谈判、多角色游戏AI、自动化数据清洗+建模+报告生成。
  💡 示例：“帮我分析这份销售数据，并生成一个PPT报告。”一个Agent负责分析数据，另一个负责生成图表，第三个负责排版PPT。

---

🔍 单层Agent vs 多层Agent 对比

特性	单层Agent	多层Agent
架构复杂度	简单	复杂
任务处理能力	适合单一任务	适合复杂任务
可扩展性	低	高
协作能力	无	强（支持分工与协作）
适用用户	AI小白、普通用户	高阶用户、开发者、企业用户
技术门槛	低	高
应用场景	简单问答、摘要、翻译	自动化流程、数据分析、智能系统

---

📝 总结一句话：

单层Agent适合“点对点”的简单任务，

多层Agent则擅长“分而治之”的复杂流程。

4.Agentic

🔔重头戏来了！

去年，RagFlow仅有Workflow，并没有 Agentic Workflow的能力。

官方指出

这不是完整的 Agent。
同时包含Workflow + Agentic Workflow，才算完整的Agent。

• • Workflow：靠人工规划和定义任务。（固定的）
• • Agentic Workflow：依赖 LLM 自动规划和执行。（灵活的）

在 Anthropic 2024 年底的著名博文“Building effective agents”中，强调 Workflow 仍是 Agent 应用的主要形式。

于是，RagFlow在v0.20.0重磅推出了 Agentic 特性，完全重构了 ”智能体“节点。

来看看官方的表述：

新版本比老版本，更换了样式、修改了提示词、添加了工具（知识库检索/MCP/维基等）、添加了智能体等等

"智能体节点"的新老版本对比

更重要的是，这个智能体内置Agentic特性，具备自主规划功能。
意思是在智能体_0中添加智能体_2 和 智能体_3，不用在智能体_0中指定先用哪个智能体。

---

🧠通俗比喻：筷子与叉子的智能选择
假设你是智能体_0，你有两个工具：

• • 筷子（智能体_2）
• • 叉子（智能体_3）

在传统 Workflow 中，你得提前告诉自己：“吃米饭用筷子，吃面用叉子”，并且不能改变先后顺序。

而在 Agentic Workflow 中，你不需要硬性指定，系统会根据任务内容自动判断：

• • 吃饭 → 自动调用“筷子”（智能体_2）
• • 吃面 → 自动调用“叉子”（智能体_3）

就像你吃饭时，大脑自动选择最合适的餐具，而不需要你手动“编程”每一步。

传统 Workflow 是“剧本杀”，Agentic Workflow 是“即兴表演”。

5.用变量指定知识库

✅功能描述：支持勾选固定的知识库，也支持知识库名称 由 变量****动态指定（灵活的）。如图所示

效果是一样的。

20250916132431.png

🎯 适用场景：知识库需要动态指定的情形
📝 小技巧：知识库名称支持模糊匹配，没有填准确的名称，也能匹配到！

6.多个模型同时比较

✅功能描述：支持多个模型同时比较（最多3个）
在聊天助手的右上方，点击“多模型”，就进入多个模型同时问答的界面。自行选择模型和参数，进行问答。

🎯 适用场景：比较哪个模型对当前任务的稳定性

7.知识库增强

引入了抽象语法树(AST)支持Markdown文件解析

介绍：AST技术支持理解Markdown文档的层级结构，根据标题、列表、代码块等语义元素进行智能分块。

据说可以做到：二级标题下的内容应该作为一个整体处理，而不是简单地按照字符数进行分割。

但笔者用md文件测试，暂未复现效果，也未找到对应开关，后续发现再来跟朋友们分享！

8.上线新模型

---

2025年RagFlow版本更新总结（长图）

---

部署

部署教程见 通过 Docker 部署 RAGFlow[4]

1. 1. 克隆仓库

$ git clone https://github.com/infiniflow/ragflow.git
$ cd ragflow/docker
$ git checkout -f v0.20.5

1. 2. 启动RagFlow服务器

docker compose -f docker-compose.yml up -d

写在最后

✨RAGFlow 从 v0.20.0 开始，真正“飞”起来了！

正如官方所言：

“Agent 的拼图终于完整”
“这是一个里程碑式的版本”

从工作流的全面升级，到知识库能力的增强，RAGFlow 正在逐步构建起一个更强大、更智能的 AI 应用底座。

同时，期待更多插件的加入，进一步丰富其应用生态，让它在更多行业和场景中落地生根。

AI大模型从0到精通全套学习大礼包

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

只要你是真心想学AI大模型，我这份资料就可以无偿共享给你学习。大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！

如果你也想通过学大模型技术去帮助就业和转行，可以扫描下方链接👇👇
大模型重磅福利：入门进阶全套104G学习资源包免费分享！

01.从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点

​

02.AI大模型学习路线图（还有视频解说）

全过程AI大模型学习路线

​

03.学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

04.大模型面试题目详解

05.这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓