ओपन सोर्स RAG इंजन RAGFlow का विकास जारी है: यह डीपसीक v4 और मल्टी-प्लेटफ़ॉर्म एक्सेस का समर्थन करता है, और स्थानीय ज्ञान आधार परिनियोजन एजेंट-आधारित चरण में प्रवेश करता है।

समाचार हाइलाइट्स

• RAGFlow एक Apache-2.0 ओपन सोर्स रिट्रीवल-एन्हांस्ड जेनरेशन (RAG) इंजन है। GitHub उच्च गतिविधि बनाए रखते हुए 88.3k सितारे, 10.4k कांटे और 737 योगदानकर्ता दिखाता है।
• गहन हालिया अपडेट: 2026-04-24 से डीपसीक वी4 का समर्थन; 2026-06-15 से फ़ेशू, डिस्कॉर्ड, टेलीग्राम और लाइन जैसे कई चैट चैनलों तक पहुंच का समर्थन करें।
• क्षमताओं का ध्यान एजेंटीकरण पर केंद्रित हो गया है: एआई एजेंट मेमोरी को 2025-12-26 को पेश किया गया है, और एजेंटिक वर्कफ़्लो और एमसीपी को 2025-08-01 पर समर्थित किया गया है।
• स्थानीय परिनियोजन सीमा स्पष्ट है: आधिकारिक आवश्यकताएँ CPU ≥ 4 कोर, मेमोरी ≥ 16GB, डिस्क ≥ 50GB, और डॉकर ≥ 24.0.0 हैं।

मुख्य जानकारी का निराकरण

परियोजना और मॉडल समर्थन

• पोजिशनिंग: किसी भी आकार के उद्यमों के लिए आरएजी वर्कफ़्लो, "क्वालिटी इन, क्वालिटी आउट" की गहन दस्तावेज़ समझ पर ध्यान केंद्रित करना।
• वाइड मॉडल अनुकूलनशीलता: ओपनएआई जीपीटी-5 श्रृंखला, डीपसीक वी4, जेमिनी 3 प्रो, आदि का समर्थन करता है, और एलएलएम और एंबेडिंग मॉडल को स्थानीय रूप से या आवश्यकतानुसार क्लाउड में कॉन्फ़िगर कर सकता है।

मुख्य योग्यताएँ

• टेम्पलेट चंकिंग: बुद्धिमान विभाजन जो व्याख्या योग्य है और मैन्युअल हस्तक्षेप में सक्षम है।
• साक्ष्य संदर्भ: विज़ुअलाइज़्ड विभाजन परिणाम + भ्रम को कम करने के लिए पता लगाने योग्य संदर्भ।
• विषम डेटा स्रोत: समर्थन वर्ड, पीपीटी, एक्सेल, टीएक्सटी, स्कैन किए गए दस्तावेज़, वेब पेज इत्यादि।
• मल्टीपल रिकॉल + फ्यूजन रीअरेंजमेंट: व्यक्तियों और बड़े उद्यमों दोनों को ध्यान में रखते हुए स्वचालित आरएजी व्यवस्था।

डेटा एक्सेस और चैनल

• कॉन्फ्लुएंस, एस3, नोशन, डिस्कॉर्ड, गूगल ड्राइव आदि से डेटा सिंक्रोनाइजेशन का समर्थन करें (2025-11-12 से)।
• माइनरयू और डॉक्लिंग (2025-10-23 से) जैसे दस्तावेज़ पार्सिंग तरीकों का समर्थन करता है।
• एकाधिक चैट चैनल: फ़ेशू, डिस्कॉर्ड, टेलीग्राम, लाइन (2026-06-15 से शुरू)।

स्थानीय तैनाती

• आधिकारिक डॉकर छवि का वर्तमान संस्करण v0.26.4 है (आधिकारिक रिलीज़ वास्तविक समय पृष्ठ के अधीन)।
• आवश्यक शर्तें: CPU ≥ 4 कोर, मेमोरी ≥ 16GB, डिस्क ≥ 50GB, डॉकर ≥ 24.0.0 और डॉकर कंपोज़ ≥ 2.26.1; इलास्टिक्स खोज का उपयोग डिफ़ॉल्ट रूप से पूर्ण पाठ और वैक्टर को संग्रहीत करने के लिए किया जाता है, और इसे इन्फिनिटी पर स्विच किया जा सकता है।

प्रभाव विश्लेषण

• एंटरप्राइज़ ज्ञान आधार "प्रश्नों का उत्तर देने में सक्षम" से "कार्य करने में सक्षम" की ओर बढ़ता है: एजेंट मेमोरी + एमसीपी आरएजी ज्ञान आधार को न केवल एक प्रश्न और उत्तर डेटाबेस बनाता है, बल्कि जटिल कार्यों में भाग लेने में भी सक्षम बनाता है।
• घरेलू मॉडल लिंकेज: डीपसीक वी4 और अन्य मॉडलों के लिए समर्थन चीनी कंपनियों को लागत और डेटा अनुपालन में अधिक विकल्प देता है।
• ओपन सोर्स इकोसिस्टम इनवॉल्यूशन को तेज करता है: RAGFlow, Dify, और AnythingLLM जैसे ओपन सोर्स सॉल्यूशंस क्लाउड सॉल्यूशंस के साथ प्रतिस्पर्धा करते हैं, और स्थानीय तैनाती के लिए सीमा कम होती जा रही है।

व्यावहारिक सलाह

• डेटा अनुपालन आवश्यकताओं वाले उद्यम स्थानीय तैनाती के मूल्यांकन को प्राथमिकता देते हैं, और डॉकर कंपोज़ को एक क्लिक के साथ परीक्षण उपयोग के लिए लॉन्च किया जा सकता है।
• यदि टीम का आकार छोटा है, तो आप RAGFlow आधिकारिक क्लाउड या स्टैंड-अलोन डॉकर से शुरुआत कर सकते हैं, और उत्पादन में जाने से पहले परिणामों को सत्यापित कर सकते हैं।
• उत्पादन वातावरण को विभाजन रणनीति की योजना बनानी चाहिए, पुनर्व्यवस्था और अनुमतियों को याद रखना चाहिए ताकि "लाइब्रेरी बड़ी होने पर इसका उपयोग करना मुश्किल हो" से बचा जा सके।

संदर्भ स्रोत

• रैगफ़्लो गिटहब: https://github.com/infiniflow/ragflow
• RAGFlow आधिकारिक वेबसाइट: https://ragflow.io
• RAGFlow दस्तावेज़: https://ragflow.io/docs/dev/