오픈 소스 RAG 엔진 RAGFlow는 계속 발전하고 있습니다. DeepSeek v4 및 다중 플랫폼 액세스를 지원하고 로컬 지식 기반 배포가 에이전트 기반 단계에 들어갑니다.

뉴스 하이라이트

• RAGFlow는 Apache-2.0 오픈 소스 RAG(검색 강화 생성) 엔진입니다. GitHub에서는 88.3,000개의 별, 10.4,000개의 포크, 737명의 기여자가 높은 활동을 유지하고 있음을 보여줍니다.
• 집중적인 최근 업데이트: 2026년 4월 24일부터 DeepSeek v4를 지원합니다. 2026년 6월 15일부터 Feishu, Discord, Telegram, Line 등 여러 채팅 채널에 대한 액세스를 지원합니다.
• 기능의 초점이 Agentization으로 이동: AI Agent Memory는 2025-12-26에 도입되고 Agentic Workflow 및 MCP는 2025-08-01에 지원됩니다.
• 로컬 배포 임계값은 명확합니다. 공식적인 전제 조건은 CPU ≥ 4 코어, 메모리 ≥ 16GB, 디스크 ≥ 50GB, Docker ≥ 24.0.0입니다.

핵심정보 해체

프로젝트 및 모델 지원

• 포지셔닝: 모든 규모의 기업을 위한 RAG 워크플로우로, "품질 향상, 품질 향상"에 대한 심층적인 문서 이해에 중점을 둡니다.
• 폭넓은 모델 적응성: OpenAI GPT-5 시리즈, DeepSeek v4, Gemini 3 Pro 등을 지원하고 필요에 따라 LLM 및 임베딩 모델을 로컬 또는 클라우드에서 구성할 수 있습니다.

핵심역량

• 템플릿 청킹: 해석 가능하고 수동 개입이 가능한 지능형 분할입니다.
• 증거된 참조: 시각화된 분할 결과 + 환상을 줄이기 위한 추적 가능한 참조.
• 이기종 데이터 소스: Word, PPT, Excel, TXT, 스캔 문서, 웹 페이지 등 지원
• 다중 리콜 + 융합 재배치: 개인과 대기업 모두를 고려하여 자동화된 RAG 배열입니다.

데이터 액세스 및 채널

• Confluence, S3, Notion, Discord, Google Drive 등의 데이터 동기화를 지원합니다(2025-11-12부터).
• MinerU, Docling 등 문서 파싱 방식을 지원합니다(2025-10-23부터).
• 다양한 채팅 채널: Feishu, Discord, Telegram, Line(2026-06-15부터 시작).

로컬 배포

• 공식 Docker 이미지의 현재 버전은 v0.26.4입니다(공식 릴리스 실시간 페이지에 따름).
• 전제 조건: CPU ≥ 4 코어, 메모리 ≥ 16GB, 디스크 ≥ 50GB, Docker ≥ 24.0.0 및 Docker Compose ≥ 2.26.1 Elasticsearch는 기본적으로 전체 텍스트와 벡터를 저장하는 데 사용되며 Infinity로 전환할 수 있습니다.

영향 분석

• 엔터프라이즈 지식 기반은 "질문에 답변 가능"에서 "작업 수행 가능"으로 이동합니다: 에이전트 메모리 + MCP는 RAG 지식 기반을 질문 및 답변 데이터베이스일 뿐만 아니라 복잡한 작업에 참여할 수 있게 만듭니다.
• 국내 모델 연계: DeepSeek v4 및 기타 모델 지원을 통해 중국 기업은 비용 및 데이터 준수 측면에서 더 많은 선택권을 갖게 됩니다.
• 오픈 소스 생태계가 혁신을 가속화합니다: RAGFlow, Dify, AnythingLLM과 같은 오픈 소스 솔루션은 클라우드 솔루션과 경쟁하며 현지화된 배포의 문턱은 계속해서 낮아지고 있습니다.

실용적인 조언

• 데이터 규정 준수 요구 사항이 있는 기업은 로컬 배포 평가를 우선시하며, Docker Compose는 한 번의 클릭으로 시험 사용을 위해 시작할 수 있습니다.
• 팀 규모가 작을 경우 RAGFlow 공식 Cloud 또는 독립형 Docker로 시작하여 프로덕션으로 이동하기 전에 결과를 확인할 수 있습니다.
• 프로덕션 환경에서는 "라이브러리가 크면 사용하기 어렵다"는 문제를 피하기 위해 분할 전략을 계획하고 재배치 및 권한을 다시 불러와야 합니다.

참조 소스

• RAGFlow GitHub: https://github.com/infiniflow/ragflow
• RAGflow 공식 홈페이지: https://ragflow.io
• RAGflow 문서: https://ragflow.io/docs/dev/