关于清空Imageview里bitmap 缓存数据

原创于 2014-10-20 11:06:18 发布 · 6.8k 阅读

9 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

本文介绍了一种有效的方法来清除ImageView中持有的Bitmap资源，并确保Bitmap被正确回收以避免内存泄漏。通过使用setImageDrawable方法将ImageView设置为空，然后检查并回收Bitmap资源。

Bitmap leftBitmap = ((BitmapDrawable) iv.getDrawable()).getBitmap();

ivLeftAvatar.setImageDrawable(null);
if (leftBitmap != null && !leftBitmap.isRecycled()){
    leftBitmap.recycle();
    leftBitmap = null;
}
System.gc();

主要是对Imageview 执行<pre name="code" class="java">setImageDrawable（）方法，将imageview内的bitmap清空。

当然这里最好回收下bitmap

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

企业知识库布道者

关注关注

3
点赞
踩
9

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

参与评论您还未登录，请先登录后发表或查看评论

博客

RAGFlow 二开商业化前，Docker 部署里的开源合规要先看清

06-11

286

企业在基于RAGFlow进行二次开发时，需特别注意Docker部署栈的开源协议合规问题。商业化部署涉及数据库、向量库、缓存等多个组件，整体风险不仅来自RAGFlow本身，还包括基础组件的组合。推荐采用PostgreSQL、Milvus、Valkey、RustFS等宽松协议组件，形成更合规的商业化交付方案。文章详细解析了License协议差异，提供了MySQL到PostgreSQL的数据库迁移方案，并对比了RustFS与MinIO的兼容性。建议企业建立组件清单，保留License声明，通过技术选型与流程优化降

博客

从 OCR 到文档结构理解：MinerU-Popo 对 RAG 文档解析链路的补全

06-09

466

MinerU-Popo：从OCR到文档智能的结构化跃迁【摘要】传统OCR技术虽能识别页面元素，却无法还原文档级结构关系，导致RAG系统在处理复杂PDF时面临信息割裂问题。MinerU-Popo创新性地提出四层后处理框架：通过文本续接分析修复跨页内容断层，基于上下文推理构建标题层级树，建立图文表跨页关联网络，并实现智能表格合并。该方案将扁平化的OCR输出转化为带章节路径、父子关系的JSON文档树，使Agentic RAG能沿结构推理，让检索结果具备"3.1.2节-表5"级精确引用能力。实验证明，该框架可有

博客

企业知识库里的元数据，到底应该怎么用？

05-27

410

企业知识库中元数据的核心价值与应用元数据作为“描述知识的知识”，在企业知识库中至关重要。它通过业务归属、文档类型、生命周期状态、版本时间等字段，为文档赋予业务语境，确保检索结果精准有效。与个人知识库不同，企业环境文档量大、版本复杂，仅依赖语义相似度易导致误检。元数据能先筛选符合条件的文档范围，再进行语义检索，显著提升结果质量。KnowFlow等工具通过定义字段、批量更新、多模式过滤等功能，构建了完整的元数据应用链路，尤其在制度、合规等严肃场景中，手动/半自动过滤比全自动更可靠。合理设计元数据体系（如部门、

博客

一份 PPT 进入 KnowFlow 之后，如何变成飞书/企业微信里的一次可信回答？

05-26

353

企业知识库的核心价值在于中间过程的优化，而不仅仅是最终呈现的答案。KnowFlow v2.3.9-v2.4.0 的更新围绕文档从上传到使用的全链路展开，包括数据库兼容、PPT结构化解析、页面级内容处理、元数据管理、多级权限控制、检索重排和IM集成等7个关键环节。这些功能共同确保企业资料能够高效转化为可检索、可管控的业务知识，并在员工日常工作的IM场景中快速响应。

博客

一人公司做企业知识库，一年拿下 40+ 客户，KnowFlow 到底做对了什么？

04-24

399

企业知识库项目落地面临的核心挑战并非技术演示效果，而是文档解析、分块、检索等底层系统的工程化实现。KnowFlow产品通过双引擎解析（MinerU+PaddleOCR）、智能分块、混合检索等技术方案，解决了企业环境中常见的扫描件识别、图文混排、表格处理等实际问题。其特色在于将文档结构理解作为知识库构建起点，并建立了可审阅、可复盘的运营体系。该产品已服务40余家客户，覆盖金融、制造、法律等多个行业，验证了其在生产环境中的实用性。产品设计强调问题定位能力，通过OCR审阅、引用高亮等功能，使系统错误可追溯可修正，

博客

KnowFlow v2.3.8：完成 MinerU 3.0.9 适配、图片引用优化与知识库一键迁移能力补齐

04-21

493

KnowFlow v2.3.8版本重点优化了企业知识库的三大核心能力：文档解析稳定性、图文回答可信度和知识库迁移便捷性。主要更新包括：适配MinerU 3.0.9实现DOCX直接解析，减少格式转换带来的信息损耗；重构图片引用逻辑，将相关图片统一展示在底部区域；完善知识库导入导出功能，支持分块数据和权限关系的完整迁移。此外还优化了视频关键帧处理链路和图片理解流程，提升了系统稳定性和响应速度。这些改进使企业知识库在复杂文档处理、证据呈现和资产迁移方面更加可靠，更符合实际交付需求。

博客

石榴解 × KnowFlow：一套面向 C 端用户的健康科普 AI 知识库解决方案，如何跑通落地

04-10

533

石榴解APP与KnowFlow合作验证了健康科普AI应用的关键突破：知识组织与检索能力直接影响C端用户体验。项目采用Dify+KnowFlow方案，通过父子分段机制保持知识完整性，实现快速入库和精准检索。相比传统知识库，该方案显著提升了回答的连贯性和稳定性，使AI服务更贴合真实场景需求。案例证明，在面向C端的健康应用中，知识系统的动态更新能力和语义保持水平比单纯追求模型参数更重要，这为行业提供了可复用的知识服务落地范式。

博客

RAGFlow 集成 Milvus 实战：KnowFlow 团队的生产级优化方案

04-02

485

KnowFlow团队基于RAGFlow深度定制企业级RAG平台，在集成Milvus v2.6.9后进行了多项优化。文章重点介绍了选择Milvus的三大优势：原生混合检索能力（支持稠密/稀疏向量融合）、多模态检索优势（错误率降低至3%以下）以及创新的按维度分Collection设计。团队还详细分享了Schema设计中对BM25 Function的巧妙应用，以及当前采用逻辑隔离与未来规划物理分区隔离的知识库策略。这些优化使系统延迟降低40%，运维成本减少60%，已成功服务30+企业客户。

博客

KnowFlow v2.3.6：从“蒙眼开车“到“全程导航“，RAG 可观测性的一次跃升

03-31

381

KnowFlow v2.3.6版本聚焦RAG系统可观测性痛点，推出三大核心改进：1）检索调试面板将检索过程拆分为粗排和精排两个阶段可视化展示，帮助用户精准定位问题环节；2）新增批量元数据管理功能，支持企业用户高效维护海量知识库；3）完成飞书机器人集成，实现企业协作场景无缝对接。该版本还优化了混合检索策略和异常处理机制，使RAG系统从"黑盒"变为"白盒"，显著提升调试效率与系统稳定性。

博客

KnowFlow v2.3.5 知识库支持文档 OCR 审阅：OCR 结果终于能改了，RAG 质量管控前移到源头

03-19

399

摘要： KnowFlow v2.3.5针对RAG系统的OCR解析痛点进行了三大优化： OCR审阅环节：新增可视化编辑功能，支持逐页预览、修改Markdown块内容及类型，保留坐标信息确保分块准确性，并实现版本化管理；标题诊断：内置正则过滤与层级筛选，自动检测误判标题，提供预设模板快速修正；权限即时生效：通过主动清除Redis缓存，解决RBAC权限变更延迟问题。此外优化了批量权限检查、流式输出速度及图文混排效果。本次升级将质量管控前置，显著提升企业知识库的可控性与落地效率。

博客

中石化“石小勘“落地实践：KnowFlow 如何为大型央企打造智能知识中枢

03-18

421

中国石化研究院基于KnowFlow平台打造了智能助手"石小勘"，成功将RAG技术应用于企业知识管理。该系统实现了多格式文档深度解析、图片识别与检索、与Dify生态无缝对接、针对特定文件问答等核心功能，问答准确率达90%。KnowFlow通过开箱即用的企业级RAG引擎，帮助央企将分散的制度文件、科研资料等转化为可对话、可检索的智能知识资产，为大型组织AI转型提供了实践样本。

博客

KnowFlow v2.3.4 发布：当 RAG 学会“深度阅读“，企业知识库的天花板被打破了

03-16

430

KnowFlow v2.3.4创新性地提出"Agentic RAG"架构，通过"先定位-再精读-后作答"的三段式深度阅读机制，解决了传统RAG系统在处理复杂专业文档时"检索到但读不懂"的核心痛点。该系统采用最小Agent设计理念，仅保留检索、精读和页码定位三个关键工具，结合七层原子性分块算法和动态父子分块技术，确保文档结构完整性。同时引入查询澄清机制和异步检索优化，在保证回答质量的前提下提升响应效率。测试显示，该方案可使200页技术文档的查询准确率

博客

Milvus 向量库带来 2.5 倍性能飞跃， Qwen3-VL-Embedding 多模态 RAG 能力全面升级

02-05

725

KnowFlow v2.3.3 正式发布，带来重大性能升级与多模态增强。核心更新包括：1）采用 Milvus 作为默认向量数据库，实测高并发下吞吐量提升 2.5 倍；2）引入 Qwen3-VL-Embedding 实现图文混合检索；3）新增表格内图片提取功能；4）支持钉钉机器人企业集成；5）提供负载均衡部署方案。技术亮点包括独创的"按维度分Collection"架构、统一多模态语义空间、以及完善的弹性伸缩能力，显著提升了复杂文档处理和企业级应用场景下的表现。

博客

2026 年企业级 RAG 多模态技术全景：从文本对齐到端到端融合

01-30

1165

2026 年的多模态 RAG 技术已经从实验室走向生产环境。企业不再需要在"能用"和"好用"之间艰难抉择——成熟的技术方案和开箱即用的产品已经就绪。关键在于找到适合自身业务的平衡点：在成本可控的前提下，最大化知识库的价值。无论是从传统方案平滑升级，还是直接采用端到端多模态架构，KnowFlow 都能提供完整的技术支持和实施服务。当你的竞争对手还在为"系统看不懂图"而苦恼时，你的知识库已经能够真正"看见"每一份文档的全部价值。

博客

KnowFlow v2.3.2 重磅发布：ColPali 多模态解析引领文档理解新纪元

01-16

726

KnowFlow v2.3.2 的发布，标志着我们在企业级知识管理领域又迈出了坚实的一步。从 ColPali 多模态解析到企业微信集成，从 Dify 生态对接到云原生部署，每一项功能都是我们对企业真实需求的回应。我们相信，在 AI 时代，数据治理将成为企业的核心竞争力。KnowFlow 将持续深耕这一领域，为企业提供更可信、更智能、更易用的知识管理解决方案。KnowFlow v2.3.2 现已发布，立即体验 ColPali 多模态解析和企业微信接入的强大能力！关注公众号KnowFlow 企业知识库。

博客

一个程序员团队的 2025：关于创业、知识库，以及不想被定义的人生

12-23

678

《程序员创业记：从技术到产品的知识库实践》摘要： 2025年，一支由4-5名程序员组成的团队基于RAGFlow二次开发了KnowFlow企业知识库产品。团队凭借数据治理经验，瞄准私有化场景下的准确率痛点，通过优化文档解析、分块策略和工程化能力，服务了30+企业用户。从开源社区互动到获得首笔订单，团队完成了从技术执行者到产品决策者的角色转变。文章分享了选择知识库赛道的三大理由、真实企业面临的RAG痛点，以及团队在产品定位、技术取舍和商业化过程中的思考。未来将持续深耕多模态RAG和国产化生态建设。

博客

KnowFlow v2.3.0 重磅发布：适配 RAGFlow v0.22.1 和 MinerU v2.6.5、新增支持多模态视频解析，让知识库“看见“更多

12-19

1270

KnowFlow v2.3.0发布，新增多模态视频解析能力，支持视频文件的智能分块与检索。通过五阶段流水线处理：ASR优先转录、关键帧提取、智能切片、VLM描述和Chunk组装，将视频内容转化为结构化数据。核心技术包括Whisper ASR引擎的精确语音识别、关键帧智能提取算法，以及适配RAGFlow和PaddleOCR等组件。该版本标志着KnowFlow正式进入多模态时代，助力企业高效管理视频资产。

博客

KnowFlow 知识库一键导入导出：打破在线与离线的边界

11-25

569

KnowFlow v2.1.9推出知识库导入导出功能，解决企业离线环境知识管理痛点。该功能支持在线环境利用强大算力完成文档解析、智能分块和向量化处理后，将完整知识库导出为压缩包，通过物理介质快速部署到离线环境。相比传统方式，可降低80%硬件成本，提升5-12倍效率，实现秒级知识库迁移。功能包含完整元数据导出、多模式导入及严格校验机制，适用于金融、制造等需要网络隔离的场景，保障业务连续性和合规要求。测试显示万级文档导入仅需1小时，显著优化企业知识管理全流程。

博客

KnowFlow 牵手百度 PaddleOCR-VL，开启高精度文档解析新时代

11-18

584

KnowFlow v2.1.8 正式发布！本版本最大的亮点是与百度飞桨团队深度合作，集成了业界领先的，为用户带来更高精度的文档解析能力。同时，我们在产品易用性和用户体验方面也做了诸多优化，让企业级知识库管理更加便捷高效。KnowFlow 是专注于的企业级知识库产品，将结构化与非结构化数据治理成对大模型更可信的输入，致力于构建 AI 时代的数据根基。

博客

KnowEval：RAG 工程化的最后一公里，让问答质量有据可依

11-10

1104

在 AI 时代，数据质量决定了应用质量。KnowFlow 解决了数据治理的问题，让知识库"可信"；KnowEval 解决了质量评测的问题，让 RAG 系统"可控"。数据治理 + 质量保证 = RAG 工程化的完整闭环降低 RAG 应用的开发门槛：从数据准备到质量保证，全流程工具化提升 RAG 应用的质量上限：通过数据驱动优化，持续提升问答效果加速 RAG 应用的落地速度：从几个月缩短到几周甚至几天将结构化与非结构化数据治理成对大模型更可信的输入，构建面向未来的数据治理平台，重塑 AI 时代的数据根基。