老顾聊技术

目录 1、背景 2、传统RAG与GraphRAG区别 3、LightRAG整体流程 4、分析LightRAG的4种查询方式 背景 最近RAG领域出了比较火的Graph RAG，相继微软也开源了他们的G

前言 在 RAG（检索增强生成）系统的文档处理流程中，常规的方法其实就是对文档内容进行分段分割成文本块即可，但很多产品中经常会有另一个选项，就是对文档进行问答对的提取；小伙伴们今天老顾就来讲讲两者之间

前言 老顾花了很多的篇幅已经介绍了关于DeerFlow项目中的AI Agent多智能体相关的源码。需要了解的人可以看前面的文章。 这篇文章老顾给大家介绍一下DeerFlow工程方面的技术点，也是值得我

前言 今天老顾给大家介绍另一个关键角色执行者Tools，此角色主要的作用是对规划者Planner出来的内容进行执行，执行的方式包含搜索、代码执行，如果配置了MCP Server也会包含里面包含的工具。

前言 老顾前面介绍了 《老顾深度解析【字节跳动的AI项目DeerFlow】源码（一）》 《老顾深度解析【字节跳动的AI项目DeerFlow】源码之协调者(二)》 《老顾深度解析【字节跳动的AI项目De

前言 老顾前面介绍了《老顾深度解析【字节跳动的AI项目DeerFlow】源码（一）》，《老顾深度解析【字节跳动的AI项目DeerFlow】源码之协调者(二)》；今天老顾给大家介绍另一个关键角色Plan

前言 老顾上一篇文章介绍了DeerFlow整体架构、交互流程，以及五大角色；这篇文章我们来稍微打开一下，介绍一下五大角色中协调者这个角色的实现 Agent流程图 我们先来看看整体的LangGraph的