KnowFlow v2.3.3 版本发布，核心在于性能与多模态能力的双重突破。通过引入 Milvus 向量库，解决了高并发场景下的性能瓶颈；同时集成 Qwen3-VL-Embedding 模型，实现了图文混合检索，为处理复杂文档和提升企业知识库应用效率提供了新方案。
智能速览
引入 Milvus 向量库，高并发性能最高提升 61%。
集成 Qwen3-VL-Embedding，实现真正的图文混合检索。
MinerU 新增表格内嵌图片提取，增强复杂文档解析能力。
提供开箱即用的负载均衡方案，并发能力提升至 300+ 请求/秒。
支持钉钉企业机器人接入，将知识库能力延伸至 IM 场景。
精华内容
KnowFlow v2.3.3 的更新聚焦于性能与多模态两大核心，通过底层架构革新与前沿模型集成，为 RAG 系统带来了质的飞跃。
性能怪兽Milvus
为解决 RAG 系统在高并发下的性能瓶颈，KnowFlow v2.3.3 将默认向量数据库从 Elasticsearch 切换为 Milvus。Milvus 专为大规模向量检索设计，压测数据显示，其优势显著。在 100 并发极限压力下，Milvus 的首 Token 响应时间仅为 27.55 秒，相比 ES 的 70.43 秒降低 61%。
吞吐量方面，Milvus 最高可达 3.55 QPS，比 ES 的 2.29 QPS 提升 55%。这意味着在真实业务场景中，Milvus 能以更少资源服务更多用户。
其独特的“按维度分 Collection”架构，实现了定向查询、资源共享和原生混合检索，进一步优化了资源利用效率。
多模态RAG突破
传统 RAG 系统难以处理图文混合的复杂检索。本次更新引入了 Qwen3-VL-Embedding 多模态嵌入模型，将图片和文本映射到同一语义空间，打破了模态壁垒。现在，用户查询“产品架构图”，可以同时匹配到相关文本描述、架构图片以及包含图文的技术文档。
该功能提供了完整的 Docker 部署方案，兼容 OpenAI Embeddings API 格式，支持 Transformers 和 vLLM 两种推理后端，方便用户快速集成与使用，大幅提升了知识库的检索维度和准确性。
复杂文档深度解析
针对技术文档中常见的表格内嵌图片场景，新版 MinerU 解析器带来了重要升级。它能自动识别并提取表格中的嵌入图片，上传至对象存储后，在文本块中嵌入图片引用。
这使得用户在问答时，不仅能获取表格的文字内容，还能直观地看到流程图、数据图表等视觉元素，显著提升了对复杂扫描件、报表等文档的理解和问答体验。
企业级高可用部署
为满足企业级高并发需求，KnowFlow 提供了开箱即用的水平扩展方案。通过 Nginx 负载均衡和 Docker DNS 动态服务发现，可以轻松实现 ragflow-server 的动态扩缩容。
部署模式下，系统并发能力从单实例的约 100 请求/秒提升至 300+ 请求/秒，并具备故障自动转移能力。用户可通过 `scaling.sh` 脚本一键启动、扩缩容和查看状态，实现真正的弹性伸缩，保障生产环境的稳定运行。
KnowFlow v2.3.3 通过 Milvus 的性能革新和 Qwen3-VL 的多模态拓展，重新定义了企业级 RAG 系统的能力边界。它不仅解决了高并发与复杂文档处理的痛点，更通过钉钉集成等方式打通了应用场景。面对日益增长的非结构化数据，这样的升级是否能满足你对下一代知识库的期待？
