本文基于公开技术资讯整理，数据截至2025年8月底。

一、总览：RAG 技术进入\"智能体化\"深水区

2025年下半年，检索增强生成（RAG）领域正经历从\"管道工程\"向\"智能架构\"的关键跃迁。随着大模型推理能力的持续增强，业界不再满足于简单的\"切分-嵌入-检索-生成\"四步走，而是将目光投向了 Agentic RAG、GraphRAG、多模态融合与自适应检索等前沿方向。向量数据库持续进化，开源框架密集迭代，RAG 正在从一个技术组件演变为企业知识基础设施的核心引擎。

二、本周重点动态

1. RAGFlow 正式发布 Agentic 工作流与 MCP 支持

发布方/来源：RAGFlow 开源社区（GitHub）

核心亮点： - 2025年8月1日，开源 RAG 引擎 RAGFlow 正式支持 Agentic 工作流与 MCP（Multi-Component Platform），可搭建多 Agent 协作系统（如\"技术支持 Agent + 检索 Subagent\"） - 8月4日新增对 Kimi K2、Grok 4 等大模型的支持；8月8日进一步接入 OpenAI GPT-5 系列模型 - 5月新增的 Python/JavaScript 代码执行器组件，使 Agent 能直接运行代码完成复杂数据分析任务

影响与意义：RAGFlow 的这一系列更新标志着开源 RAG 框架正式迈入\"Agent 原生\"时代。通过将检索能力与多 Agent 编排深度整合，开发者可以构建更具自主性的知识处理流水线，而不仅仅是被动回答问题的聊天机器人。

2. Dify v1.8.0 发布：异步工作流、多模型凭证与 MCP OAuth 支持

发布方/来源：LangGenius / Dify 开源社区

核心亮点： - 新增异步工作流能力，支持更复杂的长链路任务编排 - 引入多模型凭证系统，开发与生产环境可独立配置不同模型参数 - 全面支持 MCP OAuth，提升了工具调用链的安全性 - 所有工作流开始节点变量类型均支持默认值，工作流健壮性大幅提升

影响与意义：Dify 作为当下最活跃的开源 LLM 应用开发平台之一，v1.8.0 的发布进一步强化了其在企业级工作流编排方面的竞争力。异步工作流与多环境模型配置，直接回应了生产部署中的核心痛点。

3. Amazon Neptune 正式支持 BYOKG-GraphRAG 工具包

发布方/来源：AWS

核心亮点： - AWS 宣布 Amazon Neptune 正式支持 BYOKG（Bring Your Own Knowledge Graph）- RAG 功能 GA - 开发者可直接利用存储在 Neptune Database 或 Neptune Analytics 中的领域专属知识图谱，无需自建检索逻辑 - GraphRAG Toolkit 原生集成，可显著减少大模型幻觉，并改善多跳推理与时序关系理解能力

影响与意义：这是云厂商在 GraphRAG 领域最重磅的企业级支持之一。对于金融、医疗、法律等实体关系密集型行业而言，将现有知识图谱直接用于生成式 AI 工作流，将大幅降低落地门槛。

4. ViDoRAG 刷新多模态文档理解准确率纪录

发布方/来源：学术界 / 技术社区

核心亮点： - ViDoRAG 采用多 Agent 协作架构：动态推理 Agent + GMM 检索 Agent 联合处理图文混合文档 - 混合检索技术同时提取图像特征与文本嵌入，跨模态对齐准确率提升 15% - 在 GPT-4o 模型上，视觉文档理解准确率达到 79.4%，超越传统 RAG 方案 10% 以上

影响与意义：随着企业知识库中 PDF、扫描件、图表、幻灯片等非结构化视觉内容占比越来越高，ViDoRAG 代表了多模态 RAG 的重要突破。\"文本+图像\"的统一检索能力，将成为下一代企业知识库的标准配置。

5. 自适应 RAG（Adaptive RAG）成为轻量级部署新范式

发布方/来源：技术社区 / 开源生态

核心亮点： - 按查询复杂度动态路由检索策略：简单查询直接生成，中等查询单轮检索，复杂查询多跳检索+查询分解 - 与轻量级向量库（如 Chroma、Milvus Lite、Qdrant）结合，可在边缘设备实现高效推理 - LlamaIndex、LangChain 均已提供 Adaptive RAG 的标准组件

影响与意义：Adaptive RAG 解决了传统 RAG \"一刀切\"的资源浪费问题。对于资源有限的中小企业而言，这意味着可以用更少的算力获得更高的回答质量。

三、趋势总结与展望

当前 RAG 技术的发展呈现出三条清晰主线：

第一，从\"检索增强\"到\"智能体增强\"。Agentic RAG 不再是概念，RAGFlow、Dify 等主流框架已实现生产级支持。未来的知识库将不再是静态的问答系统，而是能自主规划、调用工具、持续学习的智能知识代理。

第二，从\"文本单模态\"到\"多模态统一\"。ViDoRAG 等项目的突破表明，文本、图像、表格、公式乃至音视频的统一语义检索已成为现实。企业知识库将全面覆盖非结构化视觉资产。

第三，从\"通用图谱\"到\"领域图谱\"。AWS Neptune 对 BYOKG 的支持说明，将企业已有的领域知识图谱直接注入 RAG 流程，是降低幻觉、提升推理深度的有效路径。GraphRAG 将在金融、医疗、法律等高精度场景中率先规模化落地。

展望未来 6-12 个月，我们有理由期待：更成熟的 Agentic 编排标准、更多云厂商的 GraphRAG 原生支持、以及端到端多模态 RAG 的开源框架爆发。

数据来源：GitHub Release Notes、AWS 官方博客、CSDN 技术社区、掘金开发者社区、火山引擎开发者社区、学术论文及技术报告。信息截至 2025年9月1日。