RAGFlow 是什么
RAGFlow 是面向文档理解、知识库与检索增强生成的项目。本文讨论的 1.0 版本将其定位延伸为 Agent 的上下文供给层：让 Agent 既能阅读原文，也能按需要获取导航、证据、关系与压缩后的知识工件。
文章讨论的三个层次
- Search Harness：负责根据问题选择 SEARCH、FIND、OPEN、Grep 等工具，并决定是否继续探索。
- 知识编译：在索引阶段组织导航树、证据单元、时间线、关系或其他可复用结构，减少每次查询从零理解文档的成本。
- 原始资料：保留可回查的文档和引用，避免压缩后的结论脱离证据。
部署与验证建议
- 先从权限明确、更新节奏稳定的一小组文档开始。
- 为精确查询、概念查询、多跳查询和需要引用的查询分别准备测试集。
- 同时评估关键词搜索、向量召回、Agent 工具调用和编译知识工件，记录准确率、延迟、Token 与人工核验时间。
- 把引用、原文回跳、版本与删除机制作为上线前的基本要求。
适用边界
文章中关于“更省 Token”或“更少探索”的结论依赖数据规模、任务类型、Agent 策略和编译质量。任何单一产品或架构都不应被当作所有知识库问题的通用答案。