从零开始：LangGraph初学者指南！构建你的第一个AI Agent！

最近收到很多小伙伴在催LangGraph系列

AI Agent能够执行自动化任务、回答用户查询、进行数据处理等，广泛应用于客户支持、智能推荐、内容生成等领域。

AI Agent的领域技术复杂性往往让初学者望而却步

无论是刚踏入AI领域的开发者

还是对Agent系统感到好奇

现在就通过使用LangGraph创建一个简单但功能齐全的来分解基础知识

今天分为两个部分！帮助你快速入门

第一部分：LangGraph的组成部分

第二部分：构建和执行你的第一个AI代理

构建 AI 代理的价值远不止于自动化某些任务

AI 代理的价值体现哪些方面

提高效率、增强用户体验、便捷的构建与部署…

一、LangGraph中图的主要组成部分

1.1节点

节点只是python函数接收图的状态作为首个参数

通过这个参数

节点可以了解Graph中的动态并更新状态，实现与Graph的交互。

每个节点的操作都基于对这一共享状态的处理和修改。

默认情况下，节点还会覆盖前置状态值

1.2边

可以将边视为顶点，将两个端点连接在一起

边只是两个节点之间的连接

1.2.1边它分为什么类型呢？

①普通边是指没有设置任何条件的边

②条件边是指仅在特定条件满足时才会被遍历的边

根据执行一系列逻辑判断和条件语句来，返回下一个的节点名称

通常使用if和else语句来实现，根据条件判断返回下一个要访问的节点

1.2.2额外知识点

①孤立节点在图论中，孤立节点是没有任何边与其他节点相连的节点/顶点，是完全与图中其他部分断开的顶点，度数为0

②状态基本上是我们在图形的不同节点和边之间传递的对象

状态通常是处理图时首先定义的关键要素

在构建的过程中，状态对象承载了必要的上下文信息，为各个组件之间的交互提高标准化数据格式

话不多说，现在开始!动手来！

一定要动起手来跑！

AI发展飞快！只有动手了，才知道里面会遇到什么问题，才能知道，底层原理是什么！

二、构建一个简单的Graph

构建Graph节点

首先，在构建图时，我们需要创建一些节点。

ok 暂时不考虑节点，我们首先需要思考图应该执行什么功能

将这些思考和构思转化为普通的Python函数

这些函数实际上就是图中的节点。

def node_01(state: State):`        `print(f"node_01: {state['graph_msg']}")`    `# 覆盖状态中graph_msg`    `return{"graph_msg": state["graph_msg"] + "node_01"}``def node_02(state: State):`        `print(f"node_02: {state['graph_msg']}")`    `# 覆盖状态中graph_msg`    `return {"graph_msg": state["graph_msg"] + "node_02"}``def node_03(state: State):`    `print(f"node_03: {state['graph_msg']}")`    `# 覆盖状态中graph_msg`    `return{"graph_msg": state["graph_msg"] + "node_03"}

这里可以看到每个节点

每个节点都会修改图形状态

如果你在python中有段代码

你可能会收到警告

因为

我们没有定义图形的状态

但是！接下来，我们不这样做

2.1构建Graph状态

Graph的状态对象用于维护Graph中当前活动的短期记忆

并作为参数传递给每个节点。

在 LangGraph 中，我们利用TypedDict、Pydantic

和内置类来构建和管理这些状态对象。

为了保持实现的简单性和清晰度

我们将使用TypedDict来定义图形状态。

from typing import TypedDict``class State(TypedDict):`   `graph_msg:str

现在我们的状态包含一个名为graph_msg的变量

用于储存Graph的消息

从上述节点的代码可以观察到如何在每个Graph节点中更新变量

2.2构建实际Graph

现在我们已经拥有了所需的组件！

首先！

我们传入Graph的状态

使用LangGraph中的类完成

我们将导入该类StateGraph

2.3添加所有的节点

将所有节点添加到Graph中

from langgraph.graph import StateGraph, END, START``# 定义Graph及其状态``builder = StateGraph(State)``# 添加所有节点``builder.add_node("node_01", node_01)``builder.add_node("node_02", node_02)``builder.add_node("node_03", node_03)

START是一个特殊的节点

将状态传递给Graph以初始化Graph代理

这标志着执行的起点

END是另一个指示终止点的特殊节点

2.4添加边

然后！继续向Graph添加边

from langgraph.graph import StateGraph, END, START``   ``# 定义Graph及其状态``builder = StateGraph(State)``   ``# 添加所有节点``builder.add_node("node_01", node_01)``builder.add_node("node_02",node_02)``builder.add_node("node_03",node_03)``   ``# 连接Graph的节点与边``builder.add_edge(START, "node_01") # 正常边``builder.add_conditional_edges("node_01", select_next_node) # 条件边``builder.add_edge("node_02", END) # 正常边``builder.add_edge("node_03", END) # 正常边

2.5编译Graph

设置完成后，就可以编译Graph

编译Graph会需要执行一些操作

①检查孤立节点是否存在

②关于Graph结构的其他检查

为了编译Graph，我们运行以下代码块

# 定义Graph及其状态``builder = StateGraph(State)``   ``# 添加所有节点``builder.add_node("node_01", node_01)``builder.add_node("node_02",node_02)``builder.add_node("node_03",node_03)``   ``# 连接Graph节点与边``builder.add_edge(START,"node_01")# 正常边` `builder.add_conditional_edges("node_01", select_next_node)``# 连接graph节点与边``builder.add_edge("node_02", END)#正常边` `builder.add_edge("node_03", END)#正常边` `   ``# 编译graph``graph = builder.compile()

2.6Graph可视化

注意！

要试一下代码正常运行

请确保从Python笔记本运行

使用Python代码可视创建的Graph

from IPython.display import Image, display``# 可视化Graph``display(Image(graph.get_graph().draw_mermaid_png()))

从上图中，可以看出条件边用虚线，正常边用实线表示

2.7Graph调用

完成了Graph的编译

一切就绪

现在我们继续调用Graph，需要注意

①编译后的Graph在LangChain中实现了可运行协议，这使得能够在LangChain中处理其他链一样处理Graph

②要调用一个Graph，需要传入他的状态

③每一个节点都将接受当前状态并覆盖它

④执行持续进行到graph终止点，直到终止节点

⑤ invoke方法异步运行Graph，在移动到下一个节点之前，会等待每个节点完成

⑥Graph在所有节点覆盖返回最终的状态

graph.invoke({"graph_msg":"Hello, "})

以上就是关键的代码

恭喜你迈出成为AI Agent构建者的第一步

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型落地应用案例PPT👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）