上一节我们了解了 Langchain 中有关 RAG 的抽象。这一节我们来学习这些抽象的详细定义。 1. Document 1 2 3 4 BaseMedia └── Blob ← 原始二进制数据 Document ← 可用于 LLM 的文档 BaseDocumentTransformer ← 文档的处理

langchain_text_splitters 完成文档切分。 1.3 text_splitters

这个周期里我们来学习 RAG 相关的知识。我们首先会介绍 Langchain 中有关 RAG 的抽象，然后去看 RagFlow 这个开源项目。 1. Langchain Rag 学习 Langchian 中有关 RAG 的抽象之前，我们先看一个使用 Langchian

前面我们了解了 ABcoder Parse 解析过程，并了解到 Parse 会将解析的结果保存为 Repository 结构体，并使用 Json 序列化保存到文件中。这一节我们来学习 ABcoder MCP 的实现。 1 MCP 1.1 入口 main 函数

1. Abcoder 介绍 下面是我在trae 结合 abcoder 提问获取的有关 abcoder 代码结构的回复。 提问: 请你以表格的方式列举出 abcoder 包含哪些模块，这些模块的作用，提供了哪些接口和

MCP（Model Context Protocol） 是 一种基于 JSON-RPC 2.0 的通信协议，它的目标是让 LLM（或 LLM 代理）与外部数据源、工具、API、文件系统等通过 统一