Agentic Workflow——RAGFlow 0.20.0 特性预览

理想情况下，完全交给 LLM 的 Agentic Workflow 是绝大多数 Agent 应用期望达成的目标，但由于 LLM 能力限制，会引入执行的不确定和不可控性，这在企业场景尤其难以接受；

而 Workflow 则走向另一个极端：

采用低代码平台完全定义每个编排环节，包括变量、条件判断、循环等等，实质上是不写代码的业务人员按照他们对业务逻辑的理解进行编程，在保证确定性的同时却容易陷入蛛网密布的复杂编排，从而导致误用、滥用以及可维护性差，更重要的是导致一些任务的拆解和控制难以实现。

因此，长期来看 Agentic Workflow 和 Workflow 都是构建 Agent 所必备的，两者统一协同工作，才可以满足企业级场景的需要。

实现了完整 Agent 能力的 RAGFlow 成为更加适合企业使用的平台级 LLM 引擎，如下图所示，RAG 在整个企业场景的生态位，跟过去的数据库等同，而 Agent 则对应具体应用。

但它们之间和过去又有很大不同：

其一，RAG 更关注非结构化数据的利用；

其二，RAG 和 Agent 的交互频繁程度远高于普通应用和数据库，因为 Agent 需要实时且精确的上下文，以使得它的行动和用户意图保持一致，而 RAG 则是填充上下文的重要工具。 

因此完成 Agent 拼图是平台进化的必然选择。

本次更新的核心特性包括：

• 支持统一编排 Agent 和 Workflow；

• 重建 Agent 能力和易用性，支持 Multi-Agent，支持规划与反思、视觉等特性；

• 支持完整的 MCP 功能，包括导入 MCP Server、Agent 作为 Client 调用 MCP 以及 RAGFlow 作为 MCP Server；

• 可以查看 Agent 的运行时日志；

• Agent 引入管理面板查看用户聊天记录；

  
  

0.19.1 Customer Service Template

开发者可以查看 Agent 的规划运行轨迹以及检查它们的输入输出。

业务用户通过 Embed 页面和 Agent 聊天也会展示 Agent 的思考过程。