主要有以下更新

1.支持MCP Server，通过 MCP 提供对 RAGFlow 知识库的访问功能

2.DeepDoc 支持在文档布局识别过程中采用 VLM 模型作为处理流水线，从而实现对 PDF 中图像的深度分析

3.增加了Agent版本控制，所有更新都会被持续记录，并且可以通过导出功能回滚到之前的版本

4.团队协作，Agent可以与团队成员共享。

5.兼容 OpenAI 的 API：Agent可以通过兼容 OpenAI 的 API 进行调用

6.用户注册控制：管理员可以通过环境变量启用或禁用用户注册。

为了能够更好的研究其原理，本地通过wsl2 的方式配置RagFlow。因为之前搭建过其他版本的RagFlow，所以，依赖组件的docker镜像都是现成的，省略掉镜像拉取步骤，直接下载源码，开始搭建。

1.下载源代码

https://github.com/infiniflow/ragflow/releases/tag/v0.18.0

1.1 安装依赖

进入源代码目录，因为新版本的大概是0.16之后的版本改为通过uv 工具进行包管理，所以本地要先安装uv，(本机已经安装)，

 执行以下命令。

uv sync --python 3.10 --all-extras

开始安装Ragflow 的依赖。

1.2 将必要的模型文件放到RagFlow指定目录下

根据官方文档，可以配置huggingface 的国内镜像，去直接下载，因为之前下载过，所以将镜像文件复制到指定目录下。可以看一下以下2张对比图，第一张图中是源码目录，默认的状态

下面这张图是，增加了依赖的模型文件之后的状态，deepdoc 文件夹300多M

1.3 启动后台服务

激活虚拟环境：

source .venv/bin/activate

 设置python 环境变量为本地虚拟环境，

export PYTHONPATH=$(pwd)

启动后台服务

bash docker/launch_backend_service.sh

后台服务已启动

1.4 启动前端服务

启动前台服务的必要条件， 可以参考我的版本

进入web目录

执行npm install，安装前端

执行npm run dev，进行前台项目启动

1.5 问题说明

默认启动前端会报一个超时的问题，

需要到  ragflow-0.18.0\web\node_modules\@umijs\plugins\dist 中找到tailwindcss.js，修改这个超时，我修改成了30秒，后能够正常启动了

到此，RagFlow 前台后台服务就都能正常启动了。后续将继续介绍0.18版本的新特性尝试