今天，我们正式开源 KnowFlow Analytics。

它是一套面向 AI Agent 与数据应用的语义层和受治理查询引擎，采用 Apache License 2.0。代码已经发布在 GitHub，也可以直接运行 Docker 镜像 knowflowai/analytics:v0.0.1。

我们做这件事，不是因为市场上还缺一个 Text-to-SQL Demo。恰恰相反，今天让大模型根据数据库 Schema 写出一条能执行的 SQL，已经不难。

真正难的是： 当问数进入真实业务，如何保证“销售额”每次都指向同一个指标，Join 不会让金额翻倍，Agent、报表和 API 不会各自使用一套口径，以及模型不确定时不会悄悄返回一个看起来合理的错误数字。

这些问题靠继续堆 Prompt 和 Few-shot 很难根治。于是我们选择把最难、也最值得长期维护的部分，从模型上下文里拿出来，做成语义层。

导语：检索增强生成（RAG）技术发展至今，行业逐渐触碰到一个核心矛盾——"检索到了，但没读懂"。KnowFlow v2.3.4 给出了一个不同的答案：让 AI 像人类专家一样，先定位、再精读、再作答。

一个真实的场景​

某制造业客户的质量工程师，需要从一份 200 页的国标文件中找到"涂层体系的环境适应性要求"。他在企业知识库里输入问题，系统返回了 5 段文本片段——有的来自"术语定义"，有的来自"检测方法"，有的确实来自"性能要求"章节，但只截取了半段话。

前言​

2025 年即将进入尾声。

这一年里，一种强烈的冲动始终在心里涌动—— 想把这一年的创业经历，以及过程中真实踩过的坑、做过的判断、得到的经验教训，完整地记录下来。

在这个时间节点上，给自己一个交代。

回头看清来路，才能更好地走向下一段。

KnowFlow v2.3.0 正式发布！本版本带来三大重磅更新：多模态视频解析能力、适配 RAGFlow v0.22.1、MinerU v2.6.5 / PaddleOCR 支持运行时配置。我们致力于将非结构化数据治理成对大模型更可信的输入，本次更新标志着 KnowFlow 正式迈入多模态时代。

前言​

在企业级知识管理场景中，一个长期被忽视的痛点正在浮出水面：如何让在线环境的强大算力服务于离线场景？

KnowFlow v2.1.9 重磅推出知识库导入导出功能，帮助企业实现"在线解析、离线使用"的无缝衔接。这不仅是一次功能升级，更是对企业知识管理模式的重新思考。

前言​

KnowFlow v2.1.8 正式发布！本版本最大的亮点是与百度飞桨团队深度合作，集成了业界领先的 PaddleOCR-VL 视觉语言模型，为用户带来更高精度的文档解析能力。同时，我们在产品易用性和用户体验方面也做了诸多优化，让企业级知识库管理更加便捷高效。

前言​

为什么需要 KnowEval？​

在过去一年与众多企业客户的交流中，我们发现一个普遍的痛点：RAG 系统上线后，如何量化评估问答质量？如何系统化提升检索效果？如何在多个优化方案中选择最优解？

很多团队花费大量时间调试 RAG 系统，但往往凭感觉调参，缺乏数据支撑。A/B 测试需要人工逐条对比，效率低下。更关键的是，没有一套标准化的评测体系，就无法形成可持续优化的闭环。

前言​

KnowFlow v2.1.6 版本正式发布，本版本迎来一下三个功能的更新:

• 以文搜图：将文档上传知识库后，通过文本搜索便可以精准召回文档中的图片

• API 自动化测试：由于版本迭代频繁，为保证 KnowFlow API 调用方便，将 API 纳入 CI 流程，确保 API 可用

🚀 重磅升级​

KnowFlow v1.0.0 重磅发布，全面接入 MinerU 2.0！

🎉 版本亮点​

KnowFlow v0.0.5 重磅发布！新增 Markdown 智能分块和按标题分块策略，检索效果显著提升。