オープン ソースの RAG エンジン RAGFlow は進化を続けています。DeepSeek v4 とマルチプラットフォーム アクセスをサポートし、ローカルのナレッジ ベースの展開はエージェント ベースの段階に入ります。

AIニュース編集長

オープンソースの RAG エンジン RAGFlow は、GitHub で 88.3k のスターを獲得しました。最新バージョンでは、DeepSeek v4、Gemini 3 Pro、Feishu などのマルチプラットフォーム アクセスをサポートし、Agent Memory を導入しました。ローカルのナレッジ ベースの展開は、検索機能の強化からエージェント ベースに移行しています。

ニュースのハイライト

  • RAGFlow は、Apache-2.0 オープンソースの検索強化生成 (RAG) エンジンです。 GitHub では、88.3,000 のスター、10,4,000 のフォーク、737 人の寄稿者が示されており、高いアクティビティを維持しています。
  • 最近の集中アップデート: 2026 年 4 月 24 日から DeepSeek v4 をサポートします。 2026 年 6 月 15 日から、Feishu、Discord、Telegram、Line などの複数のチャット チャネルへのアクセスをサポートします。
  • 機能の焦点はエージェント化に移行します。AI エージェント メモリは 2025 年 12 月 26 日に導入され、エージェントティック ワークフローと MCP は 2025 年 8 月 1 日にサポートされます。
  • ローカル展開のしきい値は明確です。公式の前提条件は、CPU ≥ 4 コア、メモリ ≥ 16 GB、ディスク ≥ 50 GB、および Docker ≥ 24.0.0 です。

重要な情報の解体

プロジェクトとモデルのサポート

  • ポジショニング: あらゆる規模の企業向けの RAG ワークフロー。「品質の入力、品質の出力」に関するドキュメントの深い理解に重点を置いています。
  • 幅広いモデル適応性: OpenAI GPT-5 シリーズ、DeepSeek v4、Gemini 3 Pro などをサポートし、必要に応じてローカルまたはクラウドで LLM および埋め込みモデルを構成できます。

コアコンピテンシー

  • テンプレート チャンキング: 解釈可能で手動介入が可能なインテリジェントなセグメンテーション。
  • 証拠のある参照: 視覚化されたセグメンテーション結果 + 追跡可能な参照により、錯覚を軽減します。
  • 異種データ ソース: Word、PPT、Excel、TXT、スキャンされたドキュメント、Web ページなどをサポートします。
  • 複数のリコール + フュージョン再配置: 個人と大企業の両方を考慮した自動化された RAG 配置。

データアクセスとチャネル

  • Confluence、S3、Notion、Discord、Google Drive などからのデータ同期をサポート (2025 年 11 月 12 日以降)。
  • MinerU や Docling などのドキュメント解析メソッドをサポートします (2025 年 10 月 23 日以降)。
  • 複数のチャットチャンネル: Feishu、Discord、Telegram、Line (2026-06-15 から)。

ローカル展開

  • 公式 Docker イメージの現在のバージョンは v0.26.4 (公式リリース リアルタイム ページに準じます)。
  • 前提条件: CPU ≥ 4 コア、メモリ ≥ 16GB、ディスク ≥ 50GB、Docker ≥ 24.0.0、および Docker Compose ≥ 2.26.1。 Elasticsearch は、フルテキストとベクターの保存にデフォルトで使用されますが、Infinity に切り替えることができます。

影響分析

  • エンタープライズ ナレッジ ベースは、「質問に回答できる」から「作業できる」に移行します: エージェント メモリ + MCP により、RAG ナレッジ ベースは質問と回答のデータベースであるだけでなく、複雑なタスクに参加できるようになります。
  • 国内モデルの連携: DeepSeek v4 およびその他のモデルのサポートにより、中国企業はコストとデータ コンプライアンスの選択肢が増えます。
  • オープンソース エコシステムがインボリューションを加速: RAGFlow、Dify、AnythingLLM などのオープンソース ソリューションはクラウド ソリューションと競合しており、ローカライズされた導入の敷居は下がり続けています。

実践的なアドバイス

  • データ コンプライアンス要件を持つ企業は、ローカル デプロイメントの評価を優先し、ワン クリックで Docker Compose を起動して試用できます。
  • チームの規模が小さい場合は、RAGFlow 公式クラウドまたはスタンドアロン Docker から開始し、本番環境に移行する前に結果を検証できます。
  • 運用環境では、「ライブラリが大きいと使いにくい」ことを避けるために、セグメンテーション戦略、リコールの再配置、およびアクセス許可を計画する必要があります。

参考ソース

著作権：コンテンツソース RAGFlow GitHub 公式リポジトリ 。このプラットフォームは、情報提供と学習交流の目的でコンテンツを編集・整理しています。著作権に関する問題がございましたら、お問い合わせください。

レビュー

  • レビューを読み込み中...