本仓库包含可独立运行的 RAG、Agent 与经营分析子项目，采用并列目录，方便分别使用、部署与维护。
新增： 完整 DeerFlow 子项目 · 120 道项目面试题解 · 架构与个人改动总述。
| 目录 | 定位 | 主要入口 |
|---|---|---|
rag-project/ |
完整网页知识库：FastAPI、文档上传、SQLite、DeepSeek 与 BGE-M3 | rag-project/startup.py、rag-project/compose.yaml |
rag-project-langgraph/ |
LangGraph RAG 工作流：基础检索流程与自适应路由流程 | graph.graph1、graph2.graph_2 |
db-gpt-commerce/ |
电商经营分析：DeepSeek SQL、明细核验、贡献分解；保留 DB-GPT 后端 | 在线体验、web/、Start-DB-GPT.cmd |
deerflow-web/ |
DeerFlow 启发的独立浏览器轻量版：DeepSeek 流式聊天、TXT/Markdown 检索、回答导出与架构讲解 | 在线体验、index.html |
deerflow/ |
原版 DeerFlow 完整源码及个人部署改动：Agent、工具、子任务、沙箱、记忆、独立普通演示账号 | 源码与启动说明、面试题解、ECS 部署 |
各子项目彼此独立，分别包含 README、依赖文件与启动方式。运行前请进入对应目录，不要在仓库根目录混装依赖。
- 需要浏览器页面、上传文件和持久化会话：使用
rag-project/。 - 需要研究 LangGraph 节点、路由、检索与生成流程：使用
rag-project-langgraph/。 - 需要网页版经营分析、输入自己的 DeepSeek Key 生成 SQL：使用
db-gpt-commerce/。基准模式无需 Key，Pages 版无需自建后端。 - 需要打开网页输入自己的 DeepSeek Key 聊天、检索文本资料并学习架构：使用
deerflow-web/。这是独立浏览器实现，不包含完整 DeerFlow 的 Python 后端、多 Agent、沙箱或长期记忆。 - 需要原版多会话 Agent 工作台与完整执行框架：使用
deerflow/，需要服务器运行后端。该目录不是子模块，克隆本仓库就能获得完整可追踪源码；运行密钥、数据库和依赖需自行配置。 - 需要理解框架或准备项目面试：先读 总述，再练 120 道带答案与追问的题解。
两个静态工作台与面试阅读页由同一个 Pages 工作流统一发布，项目首页提供入口。若 GitHub 账号使用自定义域名，上面的 Pages 链接会跳转到相应域名。无需向 GitHub 提供访问者的 DeepSeek Key。完整 DeerFlow 应用仍运行在 ECS，不能由 Pages 执行；其公网接入状态见部署记录。RAG 与 DeerFlow 当前并列运行，尚未因同仓库存放而打通检索与权限。
DeerFlow 的上游来源、基础版本、个人改动和许可证见 源码来源说明。嵌套的上游工作流保留作参考，不会自动成为主仓库的 CI。
运行数据、模型缓存、虚拟环境、日志和 .env 均不提交到 GitHub；电商网页所附数据库为生成器重新生成的公开模拟样本。请根据各子目录的 .env.example 在部署机器上配置后端。