Самая громкая новость последних дней на стыке IT, RAG и open source — проект RAGFlow попал в список самых быстрорастущих open source-проектов на GitHub, подтверждая взрывной рост интереса к открытым решениям для генерации с дополненным поиском [6].

RAGFlow: новый стандарт открытого RAG

RAGFlow — это полноценный engine для retrieval-augmented generation с встроенными агентными возможностями, который позиционируется как инструмент для создания промышленных AI-приложений [6]. Проект получил официальное подтверждение роста от самой платформы GitHub, что особенно важно в контексте растущего скепсиса к «демо-векторным базам» и перехода к реальной инженерии поиска [8].

В отличие от упрощённых прототипов, RAGFlow предлагает end-to-end решение, включающее гибридный поиск, реранкинг, формирование контекста и оценку качества извлечения — ключевые требования для корпоративного использования [8]. Это отвечает на фундаментальные проблемы больших контекстов: актуальность данных, права доступа, стоимость, задержки и возможность аудита [8].

Контекст: почему open source RAG снова в тренде

2026 год становится годом «возвращения RAG», поскольку компании отказываются от чисто векторных подходов в пользу гибридных систем с чёткой привязкой к источникам [8]. Открытые решения позволяют разработчикам контролировать каждый этап пайплайна: от конвертации документов (MarkItDown) до локального инференса (Ollama) и хранения векторов (ChromaDB) [2][12].

Среди лучших open source LLM для RAG в 2026 году эксперты выделяют DeepSeek-R1, Qwen/Qwen3-30B-A3B-Instruct-2507 и openai/gpt-oss-120b — модели, специально оптимизированные под работу с внешними источниками знаний [3].

Источник новости: ragflow.io/blog

RAGFlow демонстрирует, что open source-подход к RAG перешёл от экспериментальных прототипов к промышленным решениям, способным конкурировать с закрытыми платформами.