### [RAGFlow – 面向 Agentic RAG 与知识编译的知识库平台](https://www.zuoshipin.com/link/65405.html)

**Published:** 2026-11-08T10:48:34

**Author:** 天才交易员

**Excerpt:** RAGFlow 面向文档理解、RAG、知识库与 Agent 检索。本文导航介绍 Search Harness、…

## 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。

![RAG、Search Harness 与知识编译的关系示意](https://admin.zuoshipin.com/wp-content/uploads/2026/11/ragflow-agent-native-database-source-01.webp)

RAG、Search Harness 与知识编译的关系示意

## 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

1.  先从权限明确、更新节奏稳定的一小组文档开始。
2.  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。
3.  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。
4.  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。

## 官方入口

[访问 RAGFlow 官方网站](https://ragflow.io/)



---