作者 | 唐小引

出品 | CSDN（ID：CSDNnews）

過去兩年，有一句話反復出現在技術媒體、播客，乃至大模型的回答里：RAG 已死。

說這話的人來自各方。有人是為了推銷更新的架構，有人真的相信超長上下文窗口終將讓檢索技術變得多余。還有一類人——張穎峰帶著一絲諷刺意味地告訴我——「本質上自己就在做 Retrieval（檢索），卻也在宣稱 RAG Dead」。

與此同時，RAGFlow 的 GitHub Star 數字在漲。

RAGFlow 是一款開源 RAG 引擎，在全球開發者社區有相當高的知名度。2025 年 GitHub 年度 Top 10 項目榜單上，它是為數不多來自中國團隊的項目之一。背后的公司叫 InfiniFlow（中文名英飛流），聯合創始人是張穎峰和金海，2023 年 8 月成立于上海。

兩年多過去了，這家公司剛剛完成架構重組，以紅籌方式在香港落地控股主體，正在為更大規模的出海商業化做準備。Pre-A 融資已完成兩輪，投資方分別是創新工場和北極光創投，合計數百萬美元。

本期《萬有引力》，我和張穎峰做了一次長談。

從蘭州到 Infra，一個搜索老兵的「第一次創業」

張穎峰是蘭州人。

高考報志愿的時候，他選了上海交通大學的電子工程專業。理由很簡單：「別人說這個專業挺熱門的。」為什么熱門，他自己也說不上來。就這樣去了上海，然后再也沒有回去。

真正開始理解計算機，是工作之后的事。進入搜索領域的那家公司，成了他人生里最關鍵的一次塑造——「對我為人、技術上的影響，遠遠高于學校。」他在那里做搜索系統，后來深入到推薦系統，做了十幾年 Infra。

搜推方向的人，通常在大廠日子過得不錯。搜推是幾乎所有互聯網公司的現金流引擎，這個方向的工程師一直稀缺且昂貴。張穎峰在這個系統里待了很久，然后在 2021 年初加入了矩陣起源——一家做 HTAP 數據庫的創業公司。就是在那里，他認識了金海。

金海的背景和張穎峰互補。他是向量數據庫領域的早期建設者，曾在 Zilliz 負責數據庫研發，主導了 Milvus 1.0 的開發——「向量數據庫」這個概念，某種程度上是從那時候被做起來的。來到矩陣起源之后，他們兩人做的是另一種類型的數據庫，HTAP，和向量數據庫方向完全不同。

但在矩陣起源的兩年里，他們聊了很多。「基本上探討了做 Infra 的每個可能方向，以及后面該怎么演進。推倒了一切之后，最后找了數據庫的方向。」

兩個做后臺出身的人，都比較低調，不喜歡打造個人人設——更希望大家記住的是產品，而不是創始人是誰。也正因為這種性格，他們在大的戰略決策上往往能迅速達成一致：「我們兩個做 Infra 的背景比較多，很多 Sense 和 Vision 差不多。」

從矩陣出來，他們決定一起創業。

此時是 2023 年，大模型剛剛開始火。兩個做 Infra 出身的人，頂著「AI 原生數據庫」的旗號，拿到了晨暉創投領投、曦域資本跟投的天使輪融資。融資當時沒有對外做 PR，除非去查企查查，否則并不知道是哪個投資機構投了他們。

公司英文名叫 InfiniFlow。這個名字是 2020 年張穎峰在 GitHub 注冊組織時起的，靈感來自他早就加了微信的袁進輝——一流科技 OneFlow（創業硅基流動前），「我就叫無限流（InfiniFlow）。」

那時候，他們做的第一個項目叫 Infinity。一個數據庫，名字取自 InfiniFlow 里的前半段。

RAGFlow 出現的時候，「Infinity」已經用掉了，只剩下「Flow」還懸在那里。

這個偶然，后來變成了整個產品理念的注腳。

「RAGFlow 從打樣變成了主打」

2023 年公司剛成立，張穎峰和金海很快面臨一個現實問題：底層 Infra 離業務太遠，看不見，摸不著，連給投資人展示都很難。于是，他們決定給數據庫做一個「打樣」——選一個場景，向外界展示這個數據庫怎么用。2023 年大模型火的背景下，RAG 是最直接的使用場景。RAGFlow 就這樣誕生了，在公司成立的第一天開始開發。

2024 年 4 月 1 日，愚人節，RAGFlow 對外開源。流量躥升，比 Infinity 高出幾十倍。

唐小引：RAGFlow 開源之后，你們是怎么做的決定？

張穎峰：對外不再單獨去講這個數據庫，而是把 RAGFlow 這個產品作為公司的主打產品。換句話說，RAGFlow 從一個打樣、一個 Demo，最后上升到公司的主打產品。而我們公司原本的主打產品，從定位上來說，會定位成 RAGFlow 的一個組件。

當時之所以做出這個決策，來自于兩方面的認知。第一方面的認知是流量，這很顯然。第二方面的原因是，我們在做 RAGFlow 的過程中發現，如果說一個數據庫離業務有一公里遠，那我們做了 RAGFlow 大概又往前推進了幾百米。但是離最后的一百米，我們可能還沒有做。所以我們認為 RAGFlow 本身其實也是一個 Infra，也是個技術層或者說中間層的組件。更深的一個體會是，數據庫其實是整個 RAG 這一層的一個組件。把數據清洗、檢索之后的補齊增強這些工作全部都做了之后，它和數據庫加在一起，共同起到的角色才是數據庫。

唐小引：當時你們做這個決策，是立即達成一致，還是有過爭論？

張穎峰：這種大的決策，其實我們反而覺得很快。因為我們兩個做 Infra 的背景比較多，很多 Sense 和 Vision 差不多。但具體細節上——比方說我們要推出一個功能，到底要做還是不應該做——可能我有我的觀點，他有他的觀點，這些細節我們會不斷去碰撞。換句話說，一個 Infra 產品，其實是在這些細節上最終不斷去卷出來的。它一定是在每個細節把所有短板都補齊之后，才能把腳跟站穩。

那個懸著的「Flow」，張穎峰越看越覺得是「偶然中的必然」。

「我們到現在發現真的是要 Flow 起來。數據注入要 Flow——PDF、文件、Memory、Skills 這些數據進入系統，這個過程要靈活可編排。Retrieval 的過程也要 Flow——不是一來一回就結束了，要幾百幾千來回，要包含查目錄、補全、補齊意圖。而且要把這個 Flow 暴露給智能體，讓智能體來決定怎么 Flow。所以這個名字還真挺符合未來產品的行為和預期的。」

「完全是 PPT 融資」

張穎峰曾經有過兩次，快要轉型了。

第一次是 23 年。從上家公司離開后，他們在市場上找了半年融資，遲遲沒有進展。「我們當時已經在想，如果遲遲沒有融資，公司可能會去做一些轉型。不能做純粹的研發型公司了，可能得去做項目類的公司，支撐公司至少有一個相對標準的現金流，能夠活下去。」就在即將轉型的時候，天使輪的 Offer 來了。

第二次是 24 年。產品迭代很快，開源做得很好，但是沒人投。那時候也在想后面出路是什么、怎么轉型。這時候，第二輪的 Offer 也接到了。

唐小引：23 年的融資是怎么談的？

張穎峰：完全是 PPT 融資。因為我們不可能拿一個寫了一些代碼、連做 Demo 都沒辦法做的 Infra 數據庫，去給投資人展示它究竟有什么強大的能力，完全展示不了。我們能展示的就是在 GitHub 上提交代碼的時間戳，大概現在有多少規模了，只能這么去展示。

23 年在國內拿到融資的初創企業以大模型為主。除了大模型之外，在 Infra 層面拿到融資的其實很少。24 年情況更糟糕。整個 24 年，他們一直維持在個位數的團隊，但同時要支持兩款產品的研發——一款是最開始公司成立的初衷 Infinity，另一款就是后面從打樣變成主打的 RAGFlow。同時做這兩款產品還要做開源，當時人力上非常緊缺。

唐小引：Pre-A 融資，和汪華老師聊，他主要問你們什么？

張穎峰：我們當時的開源指標非常好，所以汪華老師沒有對我們做太多的 Challenge。他更關心的是決心問題——到底有沒有決心去出海，出海的決心有多大。因為對于效率類、工具類軟件，出海圈里人大概都知道，最終其實不是一個可選項。他問的核心就是敢不敢肉身出去——把自己放到海外，直接面向海外用戶、海外客戶，去簽訂合同，最終完成整個商業化的閉環。

第二輪是創新工場，第三輪是北極光創投。兩輪融資先后腳敲定，選擇披露的時候，索性把這兩個合在一起來披露，對外都叫 Pre-A。北極光給他們 Offer 的時候，RAGFlow 當時 Star 大概只有三萬還是四萬，「更多還是看中 RAGFlow 產品在全球開源社區的生態位、流量以及技術壁壘」。

Offer 到了之后，他們把公司架構做了調整，這個調整需要一些必要的手續，持續了比較長時間，直到最近才完成交割。

「非常感謝新老股東在我們最需要睡覺的時候能夠把枕頭送過來。能在這種階段支持我們做長期的事情，是需要勇氣的。」

「國內企業是為服務付費，不是為產品付費」

這個問題，我上一次見張穎峰的時候就很想問。那次他愁眉不展，開口就是商業化的困局。

唐小引：去年見你，你還很愁商業化，現在跑得怎么樣了？

張穎峰：國內現在應該說是啟動一段時間了，整體上還好，因為我們相對來說比較挑客戶。海外的話現在還沒開始，把這兩輪 Close 掉之后，主要還是針對全球化商業化去做一個布局。本質上我們現在還是在做產品以及商業化從零到一的階段。

從開源去做商業化這條路線是非常清楚的。但 RAGFlow 開源到現在應該是整整兩年，為什么沒有從一開源的時候就去做商業化呢？本質上還是在于人手極度不夠。RAGFlow 本身在過去社區已經跑得足夠快了，但內部面臨很多問題。這些問題導致如果直接用它作為一個基座去服務企業，是會出現問題的。所以得等到把這些問題修得差不多了，才會有信心面向企業。

大家可能也很容易想到一點——你這么慢，很多過去的流量都錯過了。「這確實是這樣。但我們做這個產品不是去蹭流量的。只要把產品打磨得足夠好，最終一定能被企業所接納。」

唐小引：做國內市場和做海外市場，現在看有什么不同？

張穎峰：核心點在于賬期和周期很長，銷售成本非常高。跟一個客戶簽下來可能不是幾個月這么簡單，可能會拉長到一年甚至更久。投資人喜歡訂閱制，一年一付一直付下去。但國內基本上沒幾家企業愿意每年付費。不是付不起，而是流程不一樣。決定一套采購要做立項審批，有的還要招標。這套流程折騰下來，第二年再走一遍肯定不做了。所以通常會選擇買斷。

買斷從商業角度來說并不是一個特別好的方式。買斷無非也就是幾年，過了幾年怎么續費呢？后面只能說是維護和升級的費用，這個費用相比正常的一年訂閱費用要低很多。另外，這些相對比較大的企業通常都會有定制類的需求。國內企業可能愿意為產品付費，不是說沒有，但至少不會很多，它通常是為服務去付費的。那為服務付費的話，就會導致我們去交付去實施這么一個項目，可能就會非常的重。

所以他們做了取舍——在國內的策略，還是以渠道、以賦能為主，不大會去建一個很大的銷售網絡。重點展開整個渠道的建設，扶持更多的渠道商，讓他們能夠在國內市場成功。「我們希望的是他們用我們的工具來做好他們的產品。」

「出海是必選項，不是可選項」

張穎峰去年在法國GOSIM第一次當面見到了 TiDB 創始人黃東旭。他們的微信其實加了十幾年，「那會兒國內做 Infra 的人不多，圈子很小，很容易認識。」但真正坐下來聊，是在巴黎那一次。

唐小引：跟東旭老師請教了什么？

張穎峰：見了面，當時主要是向他請教一些在海外的具體做法。像東旭他們，很早就下定了決心，大概在 18、19 年左右下定決心出去，經歷了挺長時間。正好那時彈藥儲存也比較多。經歷了挺長一段時間之后，現在局面總算完全打開了。我們產品的定位跟 TiDB 多少有些類似，大家都是數據類產品，屬于 Data Infra。Data Infra 產品的目標用戶一般相對會稍微有些規模，坐席超過十人之后，對數據隱私、合規這些問題可能都會比較看重。所以做這個方向的創業，必須堅定決心面向海外用戶。

走在他們前面的還有很多其他公司，比如 StarRocks，比如 PingCAP 的 TiDB，包括 Dify——從開源走向商業化這條路都已經證明是可行的，是非常好的一條路線。「因為有這些成功的示范，我們更加堅定從這條路能夠走出來的決心。」

唐小引：現在大家都在著力出海，但也有一種去全球化的趨勢，地緣政治因素越來越復雜，你怎么看？

張穎峰：我們現在也沒有那么激進。因為這個事情坦率地說誰也不知道會怎么樣。我們能做的就是快速去適應這個變化。所以我們現在先往香港放。未來會怎么樣，就跟著市場走。我們不會走得很極端，我們還是按照合法合規的方式去做。未來如果海外走不下去需要回來，該拆架構就要去拆，一切取決于市場。

唐小引：那你的出海計劃，具體路徑是什么？

張穎峰：開源商業化路徑比較清楚。第一步肯定要有一個正式的 SaaS。雖然現在來說 SaaS 已經不性感了，但 SaaS 是一個標準的服務企業用戶的途徑。只有 SaaS 推出來之后，才能說這件事情剛剛開始。SaaS 的本質，某種程度上可以理解為一個大號的 Demo，能讓企業用戶刷信用卡先用起來。用起來之后，才能真正體會系統跟自己產品之間怎么融合對接。

現在線上服務一直都有，只是我們一直叫 demo.ragflow.io，一直沒有叫 Cloud。根本原因在于沒有去收費。沒有收費就意味著告訴用戶還沒準備好。沒準備好，企業就不會認真評估這個產品。從正式收費那天開始，才是正式告訴企業：我們差不多可以了，可以來體驗。

SaaS 之后，配套的商業化 GTM 團隊就要同步展開——做開發者關系，做社區，把更多面向開發者的流量，逐漸轉化到 B 端。當這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業、腰部企業，去做專門的部署，比如私有化，或者 BYOC。

唐小引：海外重點布局哪里？

張穎峰：是由數據來告訴我，在哪個地方局面先打開，就在哪個地方先來做。現在數據包括日韓、東南亞、歐洲、北美都有。對于北美來說，它是個重要的區域，但是不是商業化的重點區域，現在不知道。得等 SaaS 出來之后，看哪些區域收入相對比較高。

「Retrieval 是永恒的」

這是張穎峰講到技術時說得最多、也最篤定的一句話。

唐小引：拋開浮華和輿論的喧囂，現在 RAG 賽道的真實現狀是什么？

張穎峰：RAG 現在不能叫一個純賽道了。RAG 其實現在越來越會變成一個技術，它已經不是產品了，是個技術。到底是這個技術用在 Memory、知識庫、智能體，還是用在什么底座，都是有可能的。在智能體生態當中，現在的 RAG 產品會怎么演進，我覺得可能是兩個方向。一類是把自己盡可能變得去接管上下文，更加去配合智能體對 Retrieval 的需求——這條路線相對來說會更加的重，因為它的目的是為了把數據編排、注入流程、檢索流程都要做到足夠的可定制、透明和參數化，讓智能體容易使用。另外一條路線可能就會變得更加簡單，就是樸素 RAG——每個公司自己拿 AI 寫代碼，很快就能擼出這么一個小的 RAG 框架，這不是什么難事兒。

唐小引：你怎么看 RAG 和 Agent 的關系？長期是融合還是各自獨立發展？

張穎峰：這個觀點我們從公司一開始成立到現在都沒變過。我們一直認為 RAG 就是數據庫，Agent 就是應用。沒有 RAG，整個智能體回答不會好。但 RAG 這個詞，在現在環境里大家普遍比較關注表面的東西，可能這個詞聽起來不夠性感。做任何框架的都會說這個過時了。說 RAG 已經過時，差不多從 23 年就一直有。但從最終角度來看，它并沒有發生什么變化。

他喜歡用圖書館打比方。「你問我個問題，我如果記住了，我就直接回答，這就是模型。我要記得不那么清楚，那我就去圖書館搜一下查一下。所以 RAG 其實就是圖書館事先建好的那些索引。那這個索引到底是什么？向量索引、全文索引、目錄，還是樹導航結構，這都不重要。一切都是為了保證檢索快速有效的手段，什么有效就用什么。」

唐小引：現在有一種觀點——只要有足夠長的上下文窗口，加上組織良好的 Markdown 文件，就不需要 RAG 了。這個邏輯通嗎？比如 Karpathy 做的 LLM Wiki。

張穎峰：某種程度上可以這么講。但這就好比我問一個人，他記憶是不是足夠好。他記憶可能是挺好的，但是他能把所有事情都記下來嗎？上下文窗口它畢竟不是無限的，即使真做到無限那也是假無限。因為它一定是以遺忘某些上下文為前提，才能導致這么一個假的無限的結果。所以真實的上下文窗口一定是有限的。在這個上下文窗口里面，我們所要做的事情就是把能夠注意的事情塞到窗口里面去，把不愿意注意的事情盡快過濾。

Karpathy 那種做法，我覺得應該叫筆記。比方說桌上有那么一兩本書，這一兩本書大概以前都掃過一遍，有個筆記記下來了，接下來問，根據筆記快速定位到那兒，大概就可以了。這種屬于數據量不是那么大。但如果數據量還挺多的，那可能還要去根據索引去找一下。所以 Retrieval 不是一個簡單的來回，不是說我去搜了返回了，交給大模型結束了。RAGFlow 也正在把這類做法，連同其他知識增強手段一起打包到一個統一的知識編譯層，統一服務 Agent 對上下文的需求，后續版本就會推出。

講到這里，他話鋒一轉，說了我認為整個采訪里信息密度最高的一段話。

張穎峰：現在有一件非常重要的事情正在發生：RAG 的用戶，正在從人轉向智能體。

這個轉變，意味著一切都在變。

人問的問題很短、很模糊，沒有人會問很長的問題，就問幾個字。但智能體不一樣，智能體問的問題都是非常長的——因為問題是智能體經過模型做出來的 Prompt 給到的。這是第一點。

第二點，人用 RAG 可能查個十次了不起了。但智能體不一樣，請求的次數可能是人的超過一兩個數量級——搜索次數可能是一百次、一千次。搜索的頻率和行為都有很大不同。

用戶變了，產品的姿勢也要變：要把整個 Retrieval 能力全部暴露出來，讓智能體來決定怎么調用。「我到底是應該以什么樣的方式來做檢索？是查到的結果馬上就回答，還是覺得不太可信再去補一補？還是查到結果再去做聯想，在圖譜里面遨游一番找到其他相關結論？這些選擇、這些開關全部都應該暴露出來，讓智能體來操心。」

這就是從「RAG 引擎」到「上下文引擎」的本質。

這也意味著，Retrieval 正處于一個變革前夜。當用戶從人轉向智能體，新的技術挑戰隨之而來：全文索引如何處理智能體發出的超長查詢而不至于結果過噪？底層系統如何支撐從每次十次變成每次一千次的檢索頻率？這些問題，還沒有標準答案。

唐小引：那有什么是你認為的反共識，但你很篤定堅持的？

張穎峰：反共識比方說 RAG 會一直持續下去。不管是國內媒體還是全球媒體，我最近發現一個很有意思的現象，明明是自己在做 Retrieval，特別是面向 Agentic Retrieval 的一些產品，他們自己也在宣稱 RAG Dead 等等。這個其實更多是從營銷角度去講的。說明 RAG 這個事兒從流量角度來說確實是在下降的，但從內核角度來說它又是不變的。所以我說的從來都是內核。

作為產品形態的 RAG 可能不會長久，因為 RAG 本身其實是一種簡單的智能體。但是 Retrieval 這件事情它是永恒的。如果說智能體需要一個數據底座，那么這個底座一定也只能是以 RAG Retrieval 這種技術為中心構建的底座，也只能是以 RAG 為中心的技術去構建。

「Agent 到底做不做」

唐小引：你們從 RAG 引擎到上下文引擎，這個演進背后是怎么想的？

張穎峰：去年我們當時就已經判定，可能我們剛剛做出來不多久的這套 Agent，場景會逐漸受限。所以一方面在繼續維護功能，但另一方面其實已經在思考，接下來的布局可能要有所調整。所以我們在去年第四季度剛開始的時候，就提出了「Context Engine」的口號。當然只是提口號，限于人力也沒有實質性舉措。但提出口號后，沒想到過了三個月 LangChain 就火成這個樣子了，到現在 Claude 也火成這個樣子了。這一切都驗證了我們當時的判定是對的，智能體真的已經在席卷整個軟件行業了。

唐小引：那 Agent Harness 這件事，做還是不做？

張穎峰：天下智能體的江湖有十分，五分可能在龍蝦、Hermes，剩下一兩分大概有 LangChain，現在 Claude Code 作為 Agent 也逐漸成為主流。這么多智能體，我們可能不一定能夠作為一個流量的入口去抓住 Agent Harness 這件事情。所以我們還是要把握住自己擅長的不變的事情，就是變成所謂的 Context Engine——但它的核心跟我們過去做的 RAG 沒有本質的區別。雖然我們口號一直在變，先是 AI 原生數據庫，后面是 RAG 引擎，到現在是上下文引擎。但是這件事情本身其實沒有什么變化，它只是為了應對多變的 AI 生態做出的調整。

唐小引：你和金海在這一點上有分歧嗎？

張穎峰：會有一些分歧，因為都會有好處。比方說股東也會覺得你們要占領流量入口。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，還有現在的 Claude，這些項目的火其實都是偶然現象。如果我們轉型把自己定位成做 Agent 框架的公司，其實很難說競爭優勢到底是什么。因為我們的錨點永遠都是在底層的 Retrieval，做搜索這塊一直是我們的錨點。如果我們過分追逐熱點，很難說優勢體現在什么地方。如果真做了一個 Demo 一夜爆紅，那是另外一種情況，但這種情況只是黑天鵝，不能構成我們形成決策的主要原因。

關于 MCP，他的觀點已經變了。「之前認為 MCP 很好，它就像 TCP/IP 協議一樣，大家所有的工具調用都用 MCP 包裝好。」但現在他不這么認為了——「因為大模型已經被訓練成對寫代碼特別的友好。所有的智能體都是 Coding Agent，對所有工具的調用都會是以寫代碼的方式去調用。所以這個工具到底是 MCP 還是普通的 API，都可以。MCP 確實不那么重要。但你說它完全不需要，那倒也不是。反正都已經包成了 API 了，那就放在那兒去用就可以了。」

「RAGFlow 年中發布 1.0，把 Python 換成 Go」

唐小引：今年年中要發 RAGFlow 1.0，1.0 會帶來什么？

張穎峰：1.0 首先代表的是穩定性。來自社區的槽點也蠻多的，更新頻繁，開發人員有限，有很多情況顧此失彼。但到 1.0 狀態就代表產品形態基本定型了，穩定了，生產可用了。

我們現在還在做一件事情，把在線 Retrieval 這部分正在從 Python 全部切換到 Go 語言。切換原因是性能。Infinity 性能非常好，但加了 RAGFlow 性能優勢發揮不出來，都是拜 Python 所賜。RAG 的用戶正從人走向智能體，發給 RAGFlow 的請求會幾個數量級往上漲，我們不能再讓 Python 成為系統瓶頸。所以會在合適階段把 Online 這部分全部切換到 Go 語言實現。Offline 這部分，數據怎么編排注入，不會改，因為對 Python 生態更友好。

1.0 就是讓性能大幅提升，產品穩定性和形態處于穩定狀態。大家就可以放心用了，感謝社區用戶陪我們跑了兩年才有個 1.0。

唐小引：我看 RAGFlow 的 PR 現在有一百多個 Open，一個月前是五十多個，漲得很快。社區貢獻者越來越多是好事，但也帶來了問題？

張穎峰：現在比較苦惱的點，就是每天都會有用戶到社區領 Issue，領完就讓 Cursor 幫他們生成代碼提交，但他們基本上都沒有測過。這大大增加了維護成本。這就是現在沒有合并的 PR 一百多個的原因。

我感覺這也沒有什么特別好的辦法。我們自己雖然也用 AI 寫代碼，但我們會有人為這個 PR 兜底。但是社區大大降低了提 PR 門檻之后，沒有人為這個 PR 兜底，就只能我們來兜。人手就有點捉襟見肘。所以我們現在主要是選擇性 Review：如果提的 Feature 比較重要，我們會重點看；不是那么重要的，就先往后放了。有了 AI Coding 之后，人的價值其實就是為這些事情兜底，只有人才能兜底。

「Infinity 論文剛被 VLDB 錄用，24 年的工作，26 年還是 SOTA」

Infinity 數據庫現在，他們只是維持一個最低規模的團隊，基本上停止所有新 Feature 的研發，主要是來不停地測試。但張穎峰說，「即使站在現在來看，Infinity 的特性在整個行業也是非常領先的。我相信在后面還有很多比較新的特性要去做。這個事情是要跟隨著 Retrieval、跟隨著信息檢索的演進去同步迭代的。」

唐小引：兩年前的工作，現在依然很領先，為什么？

張穎峰：其實很簡單，對于 RAG 所需要的數據庫應該具備什么能力，我們很早就有很清晰的認知：本質上它就是個索引數據庫，需要具備各種各樣的索引，需要能夠允許用戶任意組合這些索引。因為每種索引都有自己的長短處，多種索引組合在一起。所以 Infinity 本質上就是一個索引數據庫。Infinity 本身的特性在 24 年其實就已經足夠先進了。最近我們剛跟浙大合作的論文就是 Infinity，剛剛被 VLDB 錄用。像 24 年的工作在 26 年還能被錄用，說明它現在仍然是 SOTA 的。我們所做的唯一的事情就是讓它穩定。

他們今年年中的目標，是希望能夠把 Infinity 作為 RAGFlow 的正式默認選項。現在默認是 Elasticsearch，Infinity 一直沒有作為正式選項，是因為一直沒有足夠的信心。他們現在主要是在測試，也把在線的一些平臺數據做了雙寫——同時寫到 ES 和 Infinity 里面去，目的就是為了發現更多的缺陷。

「RAGFlow 和 Infinity 雙劍合璧的那天，我們希望是在今年的年中。合并的那天之后，這個事情才真正閉環了。」

「老登」來創業的得與失

從業二十多年，這是張穎峰第一次真正意義上的創業。

唐小引：走現代創業流程，是第一次？

張穎峰：對。最早那次創業是二十多年前，當時都沒有風險融資這個事兒，不能完整叫創業。所以這次是正兒八經自己走完一個標準的創業流程，自己說了算，自己主導融資，組建公司，這是第一次。其他幾次更多是加入別人的團隊。

唐小引：見 VC 的時候，有沒有遇到因為年齡被打擊的情況？

張穎峰：實際上這個事情確實挺敏感的。我自己融資也不會去說年齡，因為這肯定不是個優勢。跟我年齡相差不大的同學，其實已經很少在一線做這些事情了。從我的角度講，年齡對這個事有優勢也有劣勢。優勢在于對事情的觀察會更加長久。就像前面講的，我跟金海討論做不做產品 Feature，是討論推導得出來的，不是腦袋一拍激情行動。我們是通過長時間積累推導出來的，把各個可能的組合排列盡可能的列全之后，找到每個可能的強項和弱項，我們才去動手。

唐小引：那劣勢呢？

張穎峰：老登明顯讓人感覺不太愿意跟上最新形勢，不光是生理，更多是心理認知，會導致距離快速迭代的生態漸行漸遠。作為創始人絕對要避免這種情況。如果我來投資，我也不會特別關注跟我年齡差不多的人的創業。因為跟我年齡差不多的人，選擇創業深入一線的已經很少了。

但過于年輕也有不擅長的點，在于過分關注可變的事情。如果總是追逐可變的事情，沒追上怎么辦？什么是不變的點，什么是錨點，這個很難把握。年輕人做事相對不太愿意沉浸性投入，過段時間興趣就轉移了，不會長時間投入一件事情。這就是為什么做 Infra 的人，年輕人有，但數量肯定比中登老登少很多。

唐小引：創業至今，有什么 Bitter Lessons 嗎？

張穎峰：教訓其實也沒什么。現在一個標準創業流程，就是想到事情付諸實施，拿到融資，把公司搭起來。所幸在這個流程當中，雖然經歷過困難時期，但整體還算幸運。在 23 年、24 年全行業低谷時，我們都拿到了 Offer，能讓公司按預期往前走，已經非常幸運了。什么時候有資格來說這個事兒？在商業化做出顯著成果的時候，我們可能才會有資格來說到底受了什么教訓。

唐小引：那創業這件事，對你來說是痛苦多，還是享受多？

張穎峰：創業者角度來說，其實是比較享受這個過程的。艱苦是艱苦，但其實是享受創業這個事兒。如果覺得很痛苦，或者痛苦大于其他選擇，那就不要做這事兒了。因為創業，特別是像我們做這個方向，不可能像做 Agent 賽道或者上層 C 端賽道，流量一下就起來能變現了。我們這個變現確實需要挺長時間的積淀才能完成，天然周期較長。如果不能享受這個過程，還是不要做。

認識張穎峰至今，每次見面，我總感覺他的頭發又白了些。他對這個觀察毫不在意，還反問我：「你看我頭發又白了幾根是吧？」

他不太在意很多事。最近有投資人來找，他連 PPT 都沒有，「就是對著屏幕空講，就像咱們現在聊天一樣」。袁進輝老師白發比他多，貼紙做得粗糙也沒關系，下個版本會改。

問他工作之外有什么愛好，他想了一下說：「中年男人沒什么愛好，就是工作。家里孩子也比較大了，也就趁著這個時間，按照自己喜歡的事情去做。」

表面上看比較好說話。但在某些核心準則上，很固執。

「我習慣在某些核心準則上一定要達到預期。如果跟預期不一樣，就會覺得很不爽很不舒服。」

這大概是他和金海走到一起創業的原因——兩個都有很強烈的「自己說了算」的意圖。也大概是他在「RAG 已死」的喧囂里，能夠保持定力的原因。

InfiniFlow。Infinity 被用掉了，剩下一個 Flow。

張穎峰說，這是「偶然中的必然」。

Retrieval 已經存在了三四十年，它正處于變革前夜——用戶在變，行為在變，技術需要隨之創新。但它本身，不會消失。張穎峰相信，它還會一直存在下去。

那個 Flow，還沒有到終點。

免費領取 100 小時 AI 算力｜CSDN 讀者福利

加入 AI 開發者計劃獲取：

? AI 算力資源

? 官方技術社群

? Workshop 與 AI Academy

? 開發者專屬福利

立即掃碼，前 50 名額外領取「瑞幸咖啡」

咖啡領取鏈接： https://s.csdn.cn/4nPsOp