RAGFlow 0.24.0 围绕 Memory、RAG、Agent 进行了一系列改进，包括 ：
- Memory：控制台新增 Memory 提取状态与日志，让每一步骤都清晰可追踪；同时提供 HTTP API 和 Python SDK。
- Agent：新增会话管理，点击 Launch 按钮，用户可以进入到会话界面，历史记录都会被保留。
- 知识库：支持多文件 Metadata 的批量管理，优化应用配置时候 Metadata 的交互体验。
接下来，我们将逐一介绍这些特性与改进。
Memory
RAGFlow 在 Memory 控制台中新增了提取状态与完整日志展示。每一次对 Memory 的读取和写入操作不再是黑盒，而是让开发者可见，从而提升了系统的可观测性。
提供 API 与 SDK
为方便集成，Memory 新增了 RESTful API 与 Python SDK两种调用方式。可以通过这些接口实现对 Memory 的全面管理，包括：
- 增删改查：创建、查询、更新或删除 Memory 记忆条目，修改条目的启用/禁用状态，以及遗忘不再需要的条目。
- 会话管理：按会话组织与检索相关记忆。
- 智能检索：基于关键词和语义相似度快速定位记忆。
因此，开发 Agent 应用时可通过以上 API 快速接入 Memory，具体调用方法与参数说明请参考 HTTP API 文档【文献 1】 与 SDK 文档【文献 2】。
Agent 新增会话界面
过去，开发者使用 RAGFlow 的 Agent 有两种方式：
- 自建前端应用对接 API
- 通过嵌入页面对外发布使用
第一种方式灵活，但需要一定的前端开发成本；第二种方式门槛更低，却对希望持续使用 Agent 的用户存在一个不足：它不保留历史聊天记录，且无法找到之前的会话。
本次版本更新解决了这个问题，点击 Agent 页面顶端的 Launch 会进入一个和 Chat 应用类似的会话界面。
该界面下可以看到所有会话及历史聊天记录：
Metadata 批量管理
RAGFlow 之前的版本中，Metadata 的维护是个繁琐的过程。
0.24.0 支持了对 Metadata 的批量管理，多选文件后可以同时自动抽取所有文档的 Metadata。
此外还支持在单文件界面批量删除 Metadata。
过去版本中 Chat 应用配置 Metadata 筛选逻辑的时候须手动输入筛选值，本次更新后 RAGFlow 将此组件改为了下拉筛选框，为开发者配置提供便利。
通过上述更新来进一步帮助开发者利用好 Metadata ，对知识库更好地进行数据治理。
支持 Thinking 模式
Chat 应用引入了 Thinking 模式来代替之前配置中存在的 Reasoning 开关，底层算法策略上针对 Deep research 场景优化了检索策略，进一步提升召回精准度。
Admin 支持多管理员
在以往版本中，超级用户权限默认集中在 账户上。这在个人使用场景下问题不大，但在企业环境中单点超管往往意味着权限集中和运维瓶颈。
本次更新中，RAGFlow 支持为多名用户配置 Superuser 权限，不再局限于单一超管账户。
写在最后
除上述特性外，0.24.0 版本在生态方面迎来重要更新：新增对 OceanBase 作为主数据库的支持，可替代 MySQL；同时新增支持 PaddleOCR-VL，进一步增强了多模态文档的处理能力。
后续版本中，RAGFlow 将围绕上下文引擎的关键特性迭代，并持续增强 Agent 能力，特别是 Skills 配套。欢迎大家持续关注，祝马年新春快乐！
