概述

RagflowPlus v0.4.0 在發布后，收到了積極的反饋，同時也包含一些問題。

本次進行一輪小版本更新，發布 v0.4.1 版本，對已知問題進行修復，并對部分功能進行進一步優化。

開源地址：https://github.com/zstar1003/ragflow-plus

更新方法

下載倉庫最新代碼：

git clone https://github.com/zstar1003/ragflow-plus.git

使用docker啟動：

# cpu模式
docker compose -f docker/docker-compose.yml up -d
# gpu模式
docker compose -f docker/docker-compose_gpu.yml up -d

首次啟動會自動拉取最新版本鏡像。

問題修復

1.修復解析excel文件時，依賴缺失的問題(issue#149)

2.修復解析pdf文件時，遇到空內容表格，出現異常的問題。

功能優化

1. 圖像顯示路徑優化

之前的版本中，將圖像的存儲路徑硬編碼為es屬性中，導致在局域網環境下訪問時，容易出現圖片不顯示的情況。

在本版本中，對每張圖片的協議、ip地址和在minio中的相對路徑進行解耦。

在es中，只存儲圖片的相對路徑地址，具體的訪問ip地址可通過docker/.env中的MINIO_VISIT_HOST變量進行控制。

通過這樣的修改，可使問答時，圖像穩定顯示。

2. 容器連接通路優化

由于對minio的訪問地址進行解耦，在后臺管理中進一步修改連接配置database.py文件：

if is_running_in_docker():MYSQL_HOST = "mysql"MYSQL_PORT = 3306MINIO_HOST = "minio"MINIO_PORT = 9000ES_HOST = "es01"ES_PORT = 9200REDIS_HOST = "redis"REDIS_PORT = 6379

在docker環境中，直接通過服務名進行訪問，而不再像之前的版本那樣通過宿主機再間接訪問。

這樣修改，有效避免了用戶在上傳文件時，容易出現超時未響應的情況，連接速度更快更穩定。

3. 圖片插入位置優化

在之前的版本中，所有相關圖像會在問答末尾一并輸出。

本次對圖像輸出進行了改良，現在圖像會出現在第一個相關塊的引用位置，可在問答中間輸出。

4. 增加文檔撰寫模式的緩存

在文檔撰寫模塊中，新增了當前編輯文檔內容的自動保存功能。

通過瀏覽器自帶的Local storage，實現對每間隔1s對內容進行無感保存。

切換標簽或刷新頁面后，之前編輯的內容依然存在，不會消失。

5. word導出支持自動圖片下載插入

在文檔撰寫模塊中，導出word文件時，會自動下載編輯區的圖像塊連接，實現圖片的自動下載插入。

6. Top N上限增加

在聊天配置中，有一個Top N的選項，用來控制大模型能實際看到的前N個解析塊數量。

原始默認的Top N上限為30，因為在每個塊內容較多的情況下，如果塞入大模型的參考內容過多，會超過模型的最大輸入上限。

考慮到部分用戶應用的內容查詢業務，每個塊的內容很少，查詢數量很多，因此增加Top N的上限為100，默認保持8不變。

問題反饋須知

當前的每輪版本更新都修改文件解析的邏輯，因此，讀者在試用反饋問題時，建議新建知識庫進行解析。

通過知識庫隔離，可防止不同版本的解析文件混雜在相同知識庫中，造成異常情況。

總結

此次更新后，在局域網服務器中進行了一輪測試，目前已基本能滿足個人應用場景的使用需求。

后續會將精力投入到大模型相關的基建拓展研究中，比如，embedding模型的效果如何評估，如何微調大模型。

之前定下的Ragflow-Plus的更新計劃將會暫緩推進，如果有開發經驗的讀者想繼續對此項目進行貢獻，歡迎提交PR。