LangGraph底层API学习

作者：CSDN博客
文章目录

说明一 LangGraph图结构对象创建

1.1 LangChain图结构概念1.2 手动构建图流程1.3 借助Pydantic对象创建状态1.4 创建条件分支图1.5 创建条件循环图

二 搭建多轮对话问答机器人

2.1 LangGraph中多轮对话实现方法2.2 接入大模型2.3 搭建对话机器人2.4 一次对话2.5 多次对话2.6 最终代码2.7 搭建多轮对话机器人2.8 LangGraph流式打印

说明

本文学自赋范社区，仅供学习和交流！

---

采用底层API构建智能体要求开发者掌握更加复杂的构建图的语法，但借助底层API，能够更加灵活的完成各类智能体的开发，而且在某些场景下，如实现人在闭环（Human in the loop）或者搭建多智能体（Multi Agent）系统时，必须要使用更加底层的图结构API才能够完成。

一 LangGraph图结构对象创建

1. pip install langgraph
2. pip show langgraph

复制代码

1. Name: langgraph
2. Version: 0.5.4
3. Summary: Building stateful, multi-actor applications with LLMs
4. Home-page:
5. Author:
6. Author-email:
7. License-Expression: MIT
8. Location: C:\Users\kongyue\.conda\envs\langgraph\Lib\site-packages
9. Requires: langchain-core, langgraph-checkpoint, langgraph-prebuilt, langgraph-sdk, pydantic, xxhash
10. Required-by:
11. Note: you may need to restart the kernel to use updated packages.

复制代码

1.1 LangChain图结构概念

在以图构建的框架中，任何可执行的功能都可以作为对话、代理或程序的启动点。这个启动点可以是大模型的 API 接口、基于大模型构建的 AI Agent，通过 LangChain 或其他技术建立的线性序列等等，即下图中的 “Start” 圆圈所示。无论哪种形式，它都首先处理用户的输入，并决定接下来要做什么。
在 LangGraph 概念下，最基本的一种代理模型：