Gemini fullstack langgraph

google前一阵开源了一个用langgraph实现的deep research
https://github.com/google-gemini/gemini-fullstack-langgraph-quickstart

对应到代码中也很简单：

看一下实现细节，是否有需要特殊关注的点：

• generate_query
  • 根据用户历史对话，用LLM生成若干个search query
  • 有option控制query count，会传入一下当前时间
• continue_to_web_research
  • 把输入的search query list拆开发送给多个web research节点
• web_research
  • 也是gemini的client，这块好像是会自动调用google search
  • google genai client返回的llm response中，还会附带grounding_metadata，应该是在gemini内部做了search + generate，然后把对应引用的url拿出来了
  • 还会加上引用的标记什么的，代码这块比较复杂。
    • 看到这里我大概明白了，估计是这个genai的client不太好用，所以google给整了个example出来，教大家来用用gemini + google search，否则这里面一堆元数据的处理都能懵逼掉
• reflection
  • 把上面的web resarch result合起来，然后丢给模型判断是否要继续。
  • 继续的话就生成新的follow up query，丢给web search
  • 否则就进入到finalize answer中，生成最后的结果

这块google把google search融进去确实会非常好用，而且可以一起做训练，让模型更好理解google search的结果。
另一个点就是这个deep research非常简单，兜兜转转回来还是最开始的那点东西，只不过模型的能力越来越强了。