今天是2025年6月18日，星期三，北京，晴
我们继续回到GraphRAG，先看GraphRAG-Agent的一个有趣项目推介，里面做了一个集成，是个不错的尝试，有几个点可以看看，尤其是其中的概念Fusion GraphRAG，集成了图谱结构化知识与深度搜索多步迭代推理，也就是GraphRAG遇上DeepResearch，【有意思】。
GraphRAG-Agent项目推介
推荐一个比较有趣的项目，https://github.com/1517005260/graph-rag-agent，目标是做可解释、可推理的一种问答结合。
这个项目有几个点可重点关注，这里做个记录。
一个是整体的融合架构图，可以细品每个的大致内容。
一个是deepresearch的大致演变过程：
一个是对功能的一些界定，挺好的故事，例如：
1）DeepSearch 融合
-
多步骤思考-搜索-推理：支持复杂问题的分解与深入挖掘 -
证据链追踪：记录每个推理步骤的证据来源，提高可解释性 -
思考过程可视化：实时展示推理轨迹 -
多路径并行搜索：同时执行多种搜索策略，综合利用不同知识来源
2）多种Agent实现
-
NaiveRagAgent：基础向量检索型 Agent，适合简单问题 -
GraphAgent：基于图结构的Agent，支持关系推理 -
HybridAgent：混合多种检索方式的 Agent -
DeepResearchAgent：深度研究型 Agent，支持复杂问题多步推理 -
FusionGraphRAGAgent：融合型 Agent，结合多种策略的优势
另外引用的几个项目，可以作为延伸阅读：
1）GraphRAG，https://github.com/microsoft/graphrag
2）llm-graph-builder，https://github.com/neo4j-labs/llm-graph-builder
3）LightRAG，https://github.com/HKUDS/LightRAG
4）deep-searcher，https://github.com/zilliztech/deep-searcher
5）ragflow，https://github.com/infiniflow/ragflow
参考文献
1、https://github.com/1517005260/graph-rag-agent
（文：老刘说NLP）