待验证50% 置信事实精确时间
RAGFlow 的 Agent 工作流由若干预定义节点构成，常见类型包括开始节点、知识库检索节点、LLM 生成节点、条件分支节点、代码执行节点和结束节点。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/27
首次发现
有效期至：2027/1/25
来源
RAGFlow本地部署与RAG实战全指南
bilibili大模型技术栈2026/10/25
涉及实体
相关事实
待验证Background Agents的底层依赖于Agent Loop架构，通过RAG技术索引整个项目代码库，并通过工具调用执行文件读写、终端命令、代码搜索等操作72% 相似待验证Tavily是专为LLM和AI Agent场景设计的搜索API，内置摘要生成、支持按相关性排序并可返回适合RAG流程的结构化片段72% 相似待验证该教程覆盖LLM基础接入、RAG检索增强生成链路搭建，以及Agent工具调用的完整流程。70% 相似待验证Agent上下文可拆分为七个组件：指令/系统提示、长期记忆、状态/短期历史、检索信息（RAG）、提示/输入、可用工具、结构化输出68% 相似已验证Agent在RAG场景中可以判断是否需要检索、检索哪个知识库、是否需要多轮检索或调用外部工具，工作流将多个步骤编排成有向图支持条件分支、并行处理和循环迭代68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1101859API
curl https://kongchang.com/api/v1/knowledge/claims/1101859MCP
get_claim(id=1101859)