从中秋到国庆，RAGFlow 连续发布了 2 个版本，0.11 和 0.12，逐步解决一些易用性相关的问题。在 0.12 版本中，我们对社区长期反馈的 Docker 镜像过大的问题进行了修正。新版本的 RAGFlow 分为 2 个镜像，一个是原来的All In One镜像，里边包含了本地可运行的 Embedding 模型和 Reranker 模型。由于这些模型推理，需要依赖完整的模型推理，因此导致 Docker 镜像过大，对于国内用户的下载非常不友好。另一个是裁剪后的 Slim 版本镜像，该镜像拿掉了本地运行的 Embedding 模型和 Reranker 模型，因此尺寸大大降低到只有 1 G，当然在使用该镜像的时候，一切依赖于模型推理的服务，都需要在外部配置。例如可以用 Ollama 或者 Xinference 启动 本地Embedding 模型和 Reranker 模型，也可以直接配置采用其他的 SaaS 服务。而大家关心的文档解析模型 DeepDoc，由于它可以只依赖 CPU 运行，因此两个版本内置都包含。在后续的版本中，除了功能和对话效果上的迭代之外，我们还将持续改进 RAGFlow 的易用性和稳定性。

从 RAGFlow 0.11 版本开始，RAGFlow 将功能分为三大区域：对话/ AI 搜索/ Agent。AI 搜索上升到跟对话和 Agent 平级，代表三个不同的场景，它们将分别按照各自路线不断演进。AI 搜索致力于提供针对企业的 Perplexity AI 类服务，它的功能区域如下所示，共包含三个区域：答案生成区；原始结果展示区；思维导图区。从目前的 RAGFlow AI 搜索来看，它的功能展现跟目前大家看到的 Perplexity 等面向 C 端的 AI 搜索略有不同，它保留了传统搜索的结果展示这部分，这主要是因为在企业场景，结果可信是更加重要的。

在答案生成阶段，当前版本的 AI 搜索，是直接让 LLM 生成答案，这跟当前的对话/ RAG 更加相似，为了得到更理想的答案，可以从两方面进行改进：其一是在预处理阶段增加更多的信息抽取，给文本添加更多的上下文标签。这样，搜索结果不仅更加满足查询意图，而且结果还包含更多的知识导航结构，这些可以方便 LLM 生成更好的答案。近期比较火热的 Anthropic 的 Contextual Retrieval，也是类似的技术，就是在索引前先借助 LLM 给文本 Chunk 生成一些标签类信息，它们可以提供更多的上下文信息，因此可以提供更好的召回质量。当然，这跟知识图谱构建一样，都需要消耗大量的 Token，以及增加数据入库的延迟，因此，低成本的方案，同样离不开专用信息抽取小模型。其二，是在答案生成阶段，引入一些 Reasoning 的步骤，例如思维链，因此，答案生成是一个多次查询改写和搜索的过程，这在同时搜索用户创建的多个知识库时更加必要。

RAGFlow 0.11 和 0.12 ，分别给 Agent 模块增加了一些 Tools 和算子，这样基于 Agent ，可以实现更多的功能。例如金融行业，新增的智能投顾，这其实是一个多源搜索融合的答案生成，它向问财发起检索，既包括选股的结果，还有资讯相关内容，然后由 LLM 生成最终的答案，下图是一个对话示意：

下边是一个医疗问诊助手样例，它基于 PubMed 的数百万英文医疗论文，以及一些其他数据集，涵盖多个不同领域具有代表性的专业医疗数据，借助于 Agent 机制，提供中文问诊对话服务。这些数据我们已经上传到 Huggingface，感兴趣的同学可以自行下载，借助 RAGFlow 搭建自己的内部医疗问诊助手。

https://huggingface.co/datasets/InfiniFlow/medical_QA

对话效果如下所示：

随着更多的 Tools 被加入到 Agent ，就可以实现更加复杂和通用的场景。下图是一个通用对话机器人，可以从 Agent 模板中直接选择。 

这个通用模板，把目前 RAGFlow Agent 支持的工具做了汇总，提供涵盖金融、医疗、天气等领域的对话能力，对于不在这些范围的对话，则直接向 Web 搜索引擎发起请求。当用户提问意图分别涵盖如上场景时，会调用对应场景的工具或者算子进行检索，得到答案之后汇总到 LLM 。当然，也可以在此基础之上添加企业自己的知识库。从 0.11 版本开始， RAGFlow 也为输出增加了语音合成输出功能，这借助于当前的一些 TTS 服务，例如 OpenAI，通义，FishAudio，讯飞等。如果再接入语音识别 API，即可完成端到端的语音交互。

下图是基于以上通用模板的对话效果：