RAG 永不死：张颖峰和他藏在 Flow 里的执念 | 万有引力

作者 | 唐小引

出品 | CSDN（ID：CSDNnews）

过去两年，有一句话反复出现在技术媒体、播客，乃至大模型的回答里：RAG 已死。

说这话的人来自各方。有人是为了推销更新的架构，有人真的相信超长上下文窗口终将让检索技术变得多余。还有一类人——张颖峰带着一丝讽刺意味地告诉我——「本质上自己就在做 Retrieval（检索），却也在宣称 RAG Dead」。

与此同时，RAGFlow 的 GitHub Star 数字在涨。

RAGFlow 是一款开源 RAG 引擎，在全球开发者社区有相当高的知名度。2025 年 GitHub 年度 Top 10 项目榜单上，它是为数不多来自中国团队的项目之一。背后的公司叫 InfiniFlow（中文名英飞流），联合创始人是张颖峰和金海，2023 年 8 月成立于上海。

两年多过去了，这家公司刚刚完成架构重组，以红筹方式在香港落地控股主体，正在为更大规模的出海商业化做准备。Pre-A 融资已完成两轮，投资方分别是创新工场和北极光创投，合计数百万美元。

本期《万有引力》，我和张颖峰做了一次长谈。

从兰州到 Infra，一个搜索老兵的「第一次创业」

张颖峰是兰州人。

高考报志愿的时候，他选了上海交通大学的电子工程专业。理由很简单：「别人说这个专业挺热门的。」为什么热门，他自己也说不上来。就这样去了上海，然后再也没有回去。

真正开始理解计算机，是工作之后的事。进入搜索领域的那家公司，成了他人生里最关键的一次塑造——「对我为人、技术上的影响，远远高于学校。」他在那里做搜索系统，后来深入到推荐系统，做了十几年 Infra。

搜推方向的人，通常在大厂日子过得不错。搜推是几乎所有互联网公司的现金流引擎，这个方向的工程师一直稀缺且昂贵。张颖峰在这个系统里待了很久，然后在 2021 年初加入了矩阵起源——一家做 HTAP 数据库的创业公司。就是在那里，他认识了金海。

金海的背景和张颖峰互补。他是向量数据库领域的早期建设者，曾在 Zilliz 负责数据库研发，主导了 Milvus 1.0 的开发——「向量数据库」这个概念，某种程度上是从那时候被做起来的。来到矩阵起源之后，他们两人做的是另一种类型的数据库，HTAP，和向量数据库方向完全不同。

但在矩阵起源的两年里，他们聊了很多。「基本上探讨了做 Infra 的每个可能方向，以及后面该怎么演进。推倒了一切之后，最后找了数据库的方向。」

两个做后台出身的人，都比较低调，不喜欢打造个人人设——更希望大家记住的是产品，而不是创始人是谁。也正因为这种性格，他们在大的战略决策上往往能迅速达成一致：「我们两个做 Infra 的背景比较多，很多 Sense 和 Vision 差不多。」

从矩阵出来，他们决定一起创业。

此时是 2023 年，大模型刚刚开始火。两个做 Infra 出身的人，顶着「AI 原生数据库」的旗号，拿到了晨晖创投领投、曦域资本跟投的天使轮融资。融资当时没有对外做 PR，除非去查企查查，否则并不知道是哪个投资机构投了他们。

公司英文名叫 InfiniFlow。这个名字是 2020 年张颖峰在 GitHub 注册组织时起的，灵感来自他早就加了微信的袁进辉——一流科技 OneFlow（创业硅基流动前），「我就叫无限流（InfiniFlow）。」

那时候，他们做的第一个项目叫 Infinity。一个数据库，名字取自 InfiniFlow 里的前半段。

RAGFlow 出现的时候，「Infinity」已经用掉了，只剩下「Flow」还悬在那里。

这个偶然，后来变成了整个产品理念的注脚。

「RAGFlow 从打样变成了主打」

2023 年公司刚成立，张颖峰和金海很快面临一个现实问题：底层 Infra 离业务太远，看不见，摸不着，连给投资人展示都很难。于是，他们决定给数据库做一个「打样」——选一个场景，向外界展示这个数据库怎么用。2023 年大模型火的背景下，RAG 是最直接的使用场景。RAGFlow 就这样诞生了，在公司成立的第一天开始开发。

2024 年 4 月 1 日，愚人节，RAGFlow 对外开源。流量蹿升，比 Infinity 高出几十倍。

唐小引：RAGFlow 开源之后，你们是怎么做的决定？

张颖峰：对外不再单独去讲这个数据库，而是把 RAGFlow 这个产品作为公司的主打产品。换句话说，RAGFlow 从一个打样、一个 Demo，最后上升到公司的主打产品。而我们公司原本的主打产品，从定位上来说，会定位成 RAGFlow 的一个组件。

当时之所以做出这个决策，来自于两方面的认知。第一方面的认知是流量，这很显然。第二方面的原因是，我们在做 RAGFlow 的过程中发现，如果说一个数据库离业务有一公里远，那我们做了 RAGFlow 大概又往前推进了几百米。但是离最后的一百米，我们可能还没有做。所以我们认为 RAGFlow 本身其实也是一个 Infra，也是个技术层或者说中间层的组件。更深的一个体会是，数据库其实是整个 RAG 这一层的一个组件。把数据清洗、检索之后的补齐增强这些工作全部都做了之后，它和数据库加在一起，共同起到的角色才是数据库。

唐小引：当时你们做这个决策，是立即达成一致，还是有过争论？

张颖峰：这种大的决策，其实我们反而觉得很快。因为我们两个做 Infra 的背景比较多，很多 Sense 和 Vision 差不多。但具体细节上——比方说我们要推出一个功能，到底要做还是不应该做——可能我有我的观点，他有他的观点，这些细节我们会不断去碰撞。换句话说，一个 Infra 产品，其实是在这些细节上最终不断去卷出来的。它一定是在每个细节把所有短板都补齐之后，才能把脚跟站稳。

那个悬着的「Flow」，张颖峰越看越觉得是「偶然中的必然」。

「我们到现在发现真的是要 Flow 起来。数据注入要 Flow——PDF、文件、Memory、Skills 这些数据进入系统，这个过程要灵活可编排。Retrieval 的过程也要 Flow——不是一来一回就结束了，要几百几千来回，要包含查目录、补全、补齐意图。而且要把这个 Flow 暴露给智能体，让智能体来决定怎么 Flow。所以这个名字还真挺符合未来产品的行为和预期的。」

「完全是 PPT 融资」

张颖峰曾经有过两次，快要转型了。

第一次是 23 年。从上家公司离开后，他们在市场上找了半年融资，迟迟没有进展。「我们当时已经在想，如果迟迟没有融资，公司可能会去做一些转型。不能做纯粹的研发型公司了，可能得去做项目类的公司，支撑公司至少有一个相对标准的现金流，能够活下去。」就在即将转型的时候，天使轮的 Offer 来了。

第二次是 24 年。产品迭代很快，开源做得很好，但是没人投。那时候也在想后面出路是什么、怎么转型。这时候，第二轮的 Offer 也接到了。

唐小引：23 年的融资是怎么谈的？

张颖峰：完全是 PPT 融资。因为我们不可能拿一个写了一些代码、连做 Demo 都没办法做的 Infra 数据库，去给投资人展示它究竟有什么强大的能力，完全展示不了。我们能展示的就是在 GitHub 上提交代码的时间戳，大概现在有多少规模了，只能这么去展示。

23 年在国内拿到融资的初创企业以大模型为主。除了大模型之外，在 Infra 层面拿到融资的其实很少。24 年情况更糟糕。整个 24 年，他们一直维持在个位数的团队，但同时要支持两款产品的研发——一款是最开始公司成立的初衷 Infinity，另一款就是后面从打样变成主打的 RAGFlow。同时做这两款产品还要做开源，当时人力上非常紧缺。

唐小引：Pre-A 融资，和汪华老师聊，他主要问你们什么？

张颖峰：我们当时的开源指标非常好，所以汪华老师没有对我们做太多的 Challenge。他更关心的是决心问题——到底有没有决心去出海，出海的决心有多大。因为对于效率类、工具类软件，出海圈里人大概都知道，最终其实不是一个可选项。他问的核心就是敢不敢肉身出去——把自己放到海外，直接面向海外用户、海外客户，去签订合同，最终完成整个商业化的闭环。

第二轮是创新工场，第三轮是北极光创投。两轮融资先后脚敲定，选择披露的时候，索性把这两个合在一起来披露，对外都叫 Pre-A。北极光给他们 Offer 的时候，RAGFlow 当时 Star 大概只有三万还是四万，「更多还是看中 RAGFlow 产品在全球开源社区的生态位、流量以及技术壁垒」。

Offer 到了之后，他们把公司架构做了调整，这个调整需要一些必要的手续，持续了比较长时间，直到最近才完成交割。

「非常感谢新老股东在我们最需要睡觉的时候能够把枕头送过来。能在这种阶段支持我们做长期的事情，是需要勇气的。」

「国内企业是为服务付费，不是为产品付费」

这个问题，我上一次见张颖峰的时候就很想问。那次他愁眉不展，开口就是商业化的困局。

唐小引：去年见你，你还很愁商业化，现在跑得怎么样了？

张颖峰：国内现在应该说是启动一段时间了，整体上还好，因为我们相对来说比较挑客户。海外的话现在还没开始，把这两轮 Close 掉之后，主要还是针对全球化商业化去做一个布局。本质上我们现在还是在做产品以及商业化从零到一的阶段。

从开源去做商业化这条路线是非常清楚的。但 RAGFlow 开源到现在应该是整整两年，为什么没有从一开源的时候就去做商业化呢？本质上还是在于人手极度不够。RAGFlow 本身在过去社区已经跑得足够快了，但内部面临很多问题。这些问题导致如果直接用它作为一个基座去服务企业，是会出现问题的。所以得等到把这些问题修得差不多了，才会有信心面向企业。

大家可能也很容易想到一点——你这么慢，很多过去的流量都错过了。「这确实是这样。但我们做这个产品不是去蹭流量的。只要把产品打磨得足够好，最终一定能被企业所接纳。」

唐小引：做国内市场和做海外市场，现在看有什么不同？

张颖峰：核心点在于账期和周期很长，销售成本非常高。跟一个客户签下来可能不是几个月这么简单，可能会拉长到一年甚至更久。投资人喜欢订阅制，一年一付一直付下去。但国内基本上没几家企业愿意每年付费。不是付不起，而是流程不一样。决定一套采购要做立项审批，有的还要招标。这套流程折腾下来，第二年再走一遍肯定不做了。所以通常会选择买断。

买断从商业角度来说并不是一个特别好的方式。买断无非也就是几年，过了几年怎么续费呢？后面只能说是维护和升级的费用，这个费用相比正常的一年订阅费用要低很多。另外，这些相对比较大的企业通常都会有定制类的需求。国内企业可能愿意为产品付费，不是说没有，但至少不会很多，它通常是为服务去付费的。那为服务付费的话，就会导致我们去交付去实施这么一个项目，可能就会非常的重。

所以他们做了取舍——在国内的策略，还是以渠道、以赋能为主，不大会去建一个很大的销售网络。重点展开整个渠道的建设，扶持更多的渠道商，让他们能够在国内市场成功。「我们希望的是他们用我们的工具来做好他们的产品。」

「出海是必选项，不是可选项」

张颖峰去年在法国GOSIM第一次当面见到了 TiDB 创始人黄东旭。他们的微信其实加了十几年，「那会儿国内做 Infra 的人不多，圈子很小，很容易认识。」但真正坐下来聊，是在巴黎那一次。

唐小引：跟东旭老师请教了什么？

张颖峰：见了面，当时主要是向他请教一些在海外的具体做法。像东旭他们，很早就下定了决心，大概在 18、19 年左右下定决心出去，经历了挺长时间。正好那时弹药储存也比较多。经历了挺长一段时间之后，现在局面总算完全打开了。我们产品的定位跟 TiDB 多少有些类似，大家都是数据类产品，属于 Data Infra。Data Infra 产品的目标用户一般相对会稍微有些规模，坐席超过十人之后，对数据隐私、合规这些问题可能都会比较看重。所以做这个方向的创业，必须坚定决心面向海外用户。

走在他们前面的还有很多其他公司，比如 StarRocks，比如 PingCAP 的 TiDB，包括 Dify——从开源走向商业化这条路都已经证明是可行的，是非常好的一条路线。「因为有这些成功的示范，我们更加坚定从这条路能够走出来的决心。」

唐小引：现在大家都在着力出海，但也有一种去全球化的趋势，地缘政治因素越来越复杂，你怎么看？

张颖峰：我们现在也没有那么激进。因为这个事情坦率地说谁也不知道会怎么样。我们能做的就是快速去适应这个变化。所以我们现在先往香港放。未来会怎么样，就跟着市场走。我们不会走得很极端，我们还是按照合法合规的方式去做。未来如果海外走不下去需要回来，该拆架构就要去拆，一切取决于市场。

唐小引：那你的出海计划，具体路径是什么？

张颖峰：开源商业化路径比较清楚。第一步肯定要有一个正式的 SaaS。虽然现在来说 SaaS 已经不性感了，但 SaaS 是一个标准的服务企业用户的途径。只有 SaaS 推出来之后，才能说这件事情刚刚开始。SaaS 的本质，某种程度上可以理解为一个大号的 Demo，能让企业用户刷信用卡先用起来。用起来之后，才能真正体会系统跟自己产品之间怎么融合对接。

现在线上服务一直都有，只是我们一直叫 demo.ragflow.io，一直没有叫 Cloud。根本原因在于没有去收费。没有收费就意味着告诉用户还没准备好。没准备好，企业就不会认真评估这个产品。从正式收费那天开始，才是正式告诉企业：我们差不多可以了，可以来体验。

SaaS 之后，配套的商业化 GTM 团队就要同步展开——做开发者关系，做社区，把更多面向开发者的流量，逐渐转化到 B 端。当这些角色走到一定程度之后，就是真正要肉身出去了，跟一些稍微大一些的企业、腰部企业，去做专门的部署，比如私有化，或者 BYOC。

唐小引：海外重点布局哪里？

张颖峰：是由数据来告诉我，在哪个地方局面先打开，就在哪个地方先来做。现在数据包括日韩、东南亚、欧洲、北美都有。对于北美来说，它是个重要的区域，但是不是商业化的重点区域，现在不知道。得等 SaaS 出来之后，看哪些区域收入相对比较高。

「Retrieval 是永恒的」

这是张颖峰讲到技术时说得最多、也最笃定的一句话。

唐小引：抛开浮华和舆论的喧嚣，现在 RAG 赛道的真实现状是什么？

张颖峰：RAG 现在不能叫一个纯赛道了。RAG 其实现在越来越会变成一个技术，它已经不是产品了，是个技术。到底是这个技术用在 Memory、知识库、智能体，还是用在什么底座，都是有可能的。在智能体生态当中，现在的 RAG 产品会怎么演进，我觉得可能是两个方向。一类是把自己尽可能变得去接管上下文，更加去配合智能体对 Retrieval 的需求——这条路线相对来说会更加的重，因为它的目的是为了把数据编排、注入流程、检索流程都要做到足够的可定制、透明和参数化，让智能体容易使用。另外一条路线可能就会变得更加简单，就是朴素 RAG——每个公司自己拿 AI 写代码，很快就能撸出这么一个小的 RAG 框架，这不是什么难事儿。

唐小引：你怎么看 RAG 和 Agent 的关系？长期是融合还是各自独立发展？

张颖峰：这个观点我们从公司一开始成立到现在都没变过。我们一直认为 RAG 就是数据库，Agent 就是应用。没有 RAG，整个智能体回答不会好。但 RAG 这个词，在现在环境里大家普遍比较关注表面的东西，可能这个词听起来不够性感。做任何框架的都会说这个过时了。说 RAG 已经过时，差不多从 23 年就一直有。但从最终角度来看，它并没有发生什么变化。

他喜欢用图书馆打比方。「你问我个问题，我如果记住了，我就直接回答，这就是模型。我要记得不那么清楚，那我就去图书馆搜一下查一下。所以 RAG 其实就是图书馆事先建好的那些索引。那这个索引到底是什么？向量索引、全文索引、目录，还是树导航结构，这都不重要。一切都是为了保证检索快速有效的手段，什么有效就用什么。」

唐小引：现在有一种观点——只要有足够长的上下文窗口，加上组织良好的 Markdown 文件，就不需要 RAG 了。这个逻辑通吗？比如 Karpathy 做的 LLM Wiki。

张颖峰：某种程度上可以这么讲。但这就好比我问一个人，他记忆是不是足够好。他记忆可能是挺好的，但是他能把所有事情都记下来吗？上下文窗口它毕竟不是无限的，即使真做到无限那也是假无限。因为它一定是以遗忘某些上下文为前提，才能导致这么一个假的无限的结果。所以真实的上下文窗口一定是有限的。在这个上下文窗口里面，我们所要做的事情就是把能够注意的事情塞到窗口里面去，把不愿意注意的事情尽快过滤。

Karpathy 那种做法，我觉得应该叫笔记。比方说桌上有那么一两本书，这一两本书大概以前都扫过一遍，有个笔记记下来了，接下来问，根据笔记快速定位到那儿，大概就可以了。这种属于数据量不是那么大。但如果数据量还挺多的，那可能还要去根据索引去找一下。所以 Retrieval 不是一个简单的来回，不是说我去搜了返回了，交给大模型结束了。RAGFlow 也正在把这类做法，连同其他知识增强手段一起打包到一个统一的知识编译层，统一服务 Agent 对上下文的需求，后续版本就会推出。

讲到这里，他话锋一转，说了我认为整个采访里信息密度最高的一段话。

张颖峰：现在有一件非常重要的事情正在发生：RAG 的用户，正在从人转向智能体。

这个转变，意味着一切都在变。

人问的问题很短、很模糊，没有人会问很长的问题，就问几个字。但智能体不一样，智能体问的问题都是非常长的——因为问题是智能体经过模型做出来的 Prompt 给到的。这是第一点。

第二点，人用 RAG 可能查个十次了不起了。但智能体不一样，请求的次数可能是人的超过一两个数量级——搜索次数可能是一百次、一千次。搜索的频率和行为都有很大不同。

用户变了，产品的姿势也要变：要把整个 Retrieval 能力全部暴露出来，让智能体来决定怎么调用。「我到底是应该以什么样的方式来做检索？是查到的结果马上就回答，还是觉得不太可信再去补一补？还是查到结果再去做联想，在图谱里面遨游一番找到其他相关结论？这些选择、这些开关全部都应该暴露出来，让智能体来操心。」

这就是从「RAG 引擎」到「上下文引擎」的本质。

这也意味着，Retrieval 正处于一个变革前夜。当用户从人转向智能体，新的技术挑战随之而来：全文索引如何处理智能体发出的超长查询而不至于结果过噪？底层系统如何支撑从每次十次变成每次一千次的检索频率？这些问题，还没有标准答案。

唐小引：那有什么是你认为的反共识，但你很笃定坚持的？

张颖峰：反共识比方说 RAG 会一直持续下去。不管是国内媒体还是全球媒体，我最近发现一个很有意思的现象，明明是自己在做 Retrieval，特别是面向 Agentic Retrieval 的一些产品，他们自己也在宣称 RAG Dead 等等。这个其实更多是从营销角度去讲的。说明 RAG 这个事儿从流量角度来说确实是在下降的，但从内核角度来说它又是不变的。所以我说的从来都是内核。

作为产品形态的 RAG 可能不会长久，因为 RAG 本身其实是一种简单的智能体。但是 Retrieval 这件事情它是永恒的。如果说智能体需要一个数据底座，那么这个底座一定也只能是以 RAG Retrieval 这种技术为中心构建的底座，也只能是以 RAG 为中心的技术去构建。

「Agent 到底做不做」

唐小引：你们从 RAG 引擎到上下文引擎，这个演进背后是怎么想的？

张颖峰：去年我们当时就已经判定，可能我们刚刚做出来不多久的这套 Agent，场景会逐渐受限。所以一方面在继续维护功能，但另一方面其实已经在思考，接下来的布局可能要有所调整。所以我们在去年第四季度刚开始的时候，就提出了「Context Engine」的口号。当然只是提口号，限于人力也没有实质性举措。但提出口号后，没想到过了三个月 LangChain 就火成这个样子了，到现在 Claude 也火成这个样子了。这一切都验证了我们当时的判定是对的，智能体真的已经在席卷整个软件行业了。

唐小引：那 Agent Harness 这件事，做还是不做？

张颖峰：天下智能体的江湖有十分，五分可能在龙虾、Hermes，剩下一两分大概有 LangChain，现在 Claude Code 作为 Agent 也逐渐成为主流。这么多智能体，我们可能不一定能够作为一个流量的入口去抓住 Agent Harness 这件事情。所以我们还是要把握住自己擅长的不变的事情，就是变成所谓的 Context Engine——但它的核心跟我们过去做的 RAG 没有本质的区别。虽然我们口号一直在变，先是 AI 原生数据库，后面是 RAG 引擎，到现在是上下文引擎。但是这件事情本身其实没有什么变化，它只是为了应对多变的 AI 生态做出的调整。

唐小引：你和金海在这一点上有分歧吗？

张颖峰：会有一些分歧，因为都会有好处。比方说股东也会觉得你们要占领流量入口。但另外一方面，流量入口有了固然好，但不是想占就一定能占的。像 LangChain，还有现在的 Claude，这些项目的火其实都是偶然现象。如果我们转型把自己定位成做 Agent 框架的公司，其实很难说竞争优势到底是什么。因为我们的锚点永远都是在底层的 Retrieval，做搜索这块一直是我们的锚点。如果我们过分追逐热点，很难说优势体现在什么地方。如果真做了一个 Demo 一夜爆红，那是另外一种情况，但这种情况只是黑天鹅，不能构成我们形成决策的主要原因。

关于 MCP，他的观点已经变了。「之前认为 MCP 很好，它就像 TCP/IP 协议一样，大家所有的工具调用都用 MCP 包装好。」但现在他不这么认为了——「因为大模型已经被训练成对写代码特别的友好。所有的智能体都是 Coding Agent，对所有工具的调用都会是以写代码的方式去调用。所以这个工具到底是 MCP 还是普通的 API，都可以。MCP 确实不那么重要。但你说它完全不需要，那倒也不是。反正都已经包成了 API 了，那就放在那儿去用就可以了。」

「RAGFlow 年中发布 1.0，把 Python 换成 Go」

唐小引：今年年中要发 RAGFlow 1.0，1.0 会带来什么？

张颖峰：1.0 首先代表的是稳定性。来自社区的槽点也蛮多的，更新频繁，开发人员有限，有很多情况顾此失彼。但到 1.0 状态就代表产品形态基本定型了，稳定了，生产可用了。

我们现在还在做一件事情，把在线 Retrieval 这部分正在从 Python 全部切换到 Go 语言。切换原因是性能。Infinity 性能非常好，但加了 RAGFlow 性能优势发挥不出来，都是拜 Python 所赐。RAG 的用户正从人走向智能体，发给 RAGFlow 的请求会几个数量级往上涨，我们不能再让 Python 成为系统瓶颈。所以会在合适阶段把 Online 这部分全部切换到 Go 语言实现。Offline 这部分，数据怎么编排注入，不会改，因为对 Python 生态更友好。

1.0 就是让性能大幅提升，产品稳定性和形态处于稳定状态。大家就可以放心用了，感谢社区用户陪我们跑了两年才有个 1.0。

唐小引：我看 RAGFlow 的 PR 现在有一百多个 Open，一个月前是五十多个，涨得很快。社区贡献者越来越多是好事，但也带来了问题？

张颖峰：现在比较苦恼的点，就是每天都会有用户到社区领 Issue，领完就让 Cursor 帮他们生成代码提交，但他们基本上都没有测过。这大大增加了维护成本。这就是现在没有合并的 PR 一百多个的原因。

我感觉这也没有什么特别好的办法。我们自己虽然也用 AI 写代码，但我们会有人为这个 PR 兜底。但是社区大大降低了提 PR 门槛之后，没有人为这个 PR 兜底，就只能我们来兜。人手就有点捉襟见肘。所以我们现在主要是选择性 Review：如果提的 Feature 比较重要，我们会重点看；不是那么重要的，就先往后放了。有了 AI Coding 之后，人的价值其实就是为这些事情兜底，只有人才能兜底。

「Infinity 论文刚被 VLDB 录用，24 年的工作，26 年还是 SOTA」

Infinity 数据库现在，他们只是维持一个最低规模的团队，基本上停止所有新 Feature 的研发，主要是来不停地测试。但张颖峰说，「即使站在现在来看，Infinity 的特性在整个行业也是非常领先的。我相信在后面还有很多比较新的特性要去做。这个事情是要跟随着 Retrieval、跟随着信息检索的演进去同步迭代的。」

唐小引：两年前的工作，现在依然很领先，为什么？

张颖峰：其实很简单，对于 RAG 所需要的数据库应该具备什么能力，我们很早就有很清晰的认知：本质上它就是个索引数据库，需要具备各种各样的索引，需要能够允许用户任意组合这些索引。因为每种索引都有自己的长短处，多种索引组合在一起。所以 Infinity 本质上就是一个索引数据库。Infinity 本身的特性在 24 年其实就已经足够先进了。最近我们刚跟浙大合作的论文就是 Infinity，刚刚被 VLDB 录用。像 24 年的工作在 26 年还能被录用，说明它现在仍然是 SOTA 的。我们所做的唯一的事情就是让它稳定。

他们今年年中的目标，是希望能够把 Infinity 作为 RAGFlow 的正式默认选项。现在默认是 Elasticsearch，Infinity 一直没有作为正式选项，是因为一直没有足够的信心。他们现在主要是在测试，也把在线的一些平台数据做了双写——同时写到 ES 和 Infinity 里面去，目的就是为了发现更多的缺陷。

「RAGFlow 和 Infinity 双剑合璧的那天，我们希望是在今年的年中。合并的那天之后，这个事情才真正闭环了。」

「老登」来创业的得与失

从业二十多年，这是张颖峰第一次真正意义上的创业。

唐小引：走现代创业流程，是第一次？

张颖峰：对。最早那次创业是二十多年前，当时都没有风险融资这个事儿，不能完整叫创业。所以这次是正儿八经自己走完一个标准的创业流程，自己说了算，自己主导融资，组建公司，这是第一次。其他几次更多是加入别人的团队。

唐小引：见 VC 的时候，有没有遇到因为年龄被打击的情况？

张颖峰：实际上这个事情确实挺敏感的。我自己融资也不会去说年龄，因为这肯定不是个优势。跟我年龄相差不大的同学，其实已经很少在一线做这些事情了。从我的角度讲，年龄对这个事有优势也有劣势。优势在于对事情的观察会更加长久。就像前面讲的，我跟金海讨论做不做产品 Feature，是讨论推导得出来的，不是脑袋一拍激情行动。我们是通过长时间积累推导出来的，把各个可能的组合排列尽可能的列全之后，找到每个可能的强项和弱项，我们才去动手。

唐小引：那劣势呢？

张颖峰：老登明显让人感觉不太愿意跟上最新形势，不光是生理，更多是心理认知，会导致距离快速迭代的生态渐行渐远。作为创始人绝对要避免这种情况。如果我来投资，我也不会特别关注跟我年龄差不多的人的创业。因为跟我年龄差不多的人，选择创业深入一线的已经很少了。

但过于年轻也有不擅长的点，在于过分关注可变的事情。如果总是追逐可变的事情，没追上怎么办？什么是不变的点，什么是锚点，这个很难把握。年轻人做事相对不太愿意沉浸性投入，过段时间兴趣就转移了，不会长时间投入一件事情。这就是为什么做 Infra 的人，年轻人有，但数量肯定比中登老登少很多。

唐小引：创业至今，有什么 Bitter Lessons 吗？

张颖峰：教训其实也没什么。现在一个标准创业流程，就是想到事情付诸实施，拿到融资，把公司搭起来。所幸在这个流程当中，虽然经历过困难时期，但整体还算幸运。在 23 年、24 年全行业低谷时，我们都拿到了 Offer，能让公司按预期往前走，已经非常幸运了。什么时候有资格来说这个事儿？在商业化做出显著成果的时候，我们可能才会有资格来说到底受了什么教训。

唐小引：那创业这件事，对你来说是痛苦多，还是享受多？

张颖峰：创业者角度来说，其实是比较享受这个过程的。艰苦是艰苦，但其实是享受创业这个事儿。如果觉得很痛苦，或者痛苦大于其他选择，那就不要做这事儿了。因为创业，特别是像我们做这个方向，不可能像做 Agent 赛道或者上层 C 端赛道，流量一下就起来能变现了。我们这个变现确实需要挺长时间的积淀才能完成，天然周期较长。如果不能享受这个过程，还是不要做。

认识张颖峰至今，每次见面，我总感觉他的头发又白了些。他对这个观察毫不在意，还反问我：「你看我头发又白了几根是吧？」

他不太在意很多事。最近有投资人来找，他连 PPT 都没有，「就是对着屏幕空讲，就像咱们现在聊天一样」。袁进辉老师白发比他多，贴纸做得粗糙也没关系，下个版本会改。

问他工作之外有什么爱好，他想了一下说：「中年男人没什么爱好，就是工作。家里孩子也比较大了，也就趁着这个时间，按照自己喜欢的事情去做。」

表面上看比较好说话。但在某些核心准则上，很固执。

「我习惯在某些核心准则上一定要达到预期。如果跟预期不一样，就会觉得很不爽很不舒服。」

这大概是他和金海走到一起创业的原因——两个都有很强烈的「自己说了算」的意图。也大概是他在「RAG 已死」的喧嚣里，能够保持定力的原因。

InfiniFlow。Infinity 被用掉了，剩下一个 Flow。

张颖峰说，这是「偶然中的必然」。

Retrieval 已经存在了三四十年，它正处于变革前夜——用户在变，行为在变，技术需要随之创新。但它本身，不会消失。张颖峰相信，它还会一直存在下去。

那个 Flow，还没有到终点。

免费领取 100 小时 AI 算力｜CSDN 读者福利

加入 AI 开发者计划获取：

✅ AI 算力资源

✅ 官方技术社群

✅ Workshop 与 AI Academy

✅ 开发者专属福利

立即扫码，前 50 名额外领取「瑞幸咖啡」

咖啡领取链接： https://s.csdn.cn/4nPsOp