【AI Agent系列】【LangGraph】2. 再进阶：给你的LangGraph加入循环逻辑（Cycles）

已于 2024-04-07 10:05:08 修改
阅读量1.4k 收藏 28
点赞数 15
分类专栏： 大模型 文章标签： 经验分享 学习 人工智能 笔记 langchain LangGraph AIGC
于 2024-04-06 07:00:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Attitude93/article/details/137229665
版权
  • 大家好，我是同学小张，日常分享AI知识和实战案例
  • 欢迎 点赞 + 关注 👏，持续学习，持续干货输出。
  • +v: jasper_8017 一起交流💬，一起进步💪。
  • 微信公众号也可搜【同学小张】 🙏

本站文章一览：

在这里插入图片描述

今天我们继续学习 LangGraph 的基础内容。前面两篇文章我们学习了 LangGraph 的基本用法和条件分支，本文继续学习如何利用 LangGraph 实现一个环（循环）结构。

文章目录

了解本专栏 订阅专栏 解锁全文 超级会员免费看
【AI Agent系列】【LangGraph】1. 进阶实战：给你的 LangGraph 加入条件分支（Conditional edges）
同学小张的博客
04-04 2854
前面我们了解了 LangGraph 的概念和基本构造方法，今天我们来看下 LangGraph 构造中的进阶用法：给边加个条件 - 条件分支（Conditional edges）。
实战LangChain（六）：深入LangGraph的高级功能与最佳实践
mtl1994的博客
05-12 696
本文通过具体的实战示例介绍了LangGraph中的流式返回与持久化功能，这些功能为构建高性能和高可靠性的应用提供了强大的支持。通过继续探索和利用这些高级特性，开发者可以为用户创造出更加丰富和响应迅速的应用体验。接下来的文章将进一步探讨LangGraph的其他高级应用，敬请期待。
【AI大模型】LangGraph-循环访问多代理LLM应用程序
xxue345678的博客
09-20 1370
LangGraph 是构建在 LangChain 之上的库，与 LangChain 生态完全兼容。LangChain for Context 是一个开源 Python 和 JavaScript 框架，可抽象并促进 LLM 与外部数据源之间的交互，以创建强大的 LLM 支持的应用程序。LangChain 中的架构围绕组件和链展开，其中组件执行特定任务，而链允许您以逻辑方式组合多个组件。
用LangChain还是LangGraph？官方终于站出来表态了
最新发布
Androiddddd的博客
03-16 1994
仅使用 LangChain仅使用 LangGraph同时使用 LangChain 和 LangGraph此外，你也可以将 LangGraph 的图结构编排能力与其他 Agent 框架（如微软的 AutoGen）结合，例如：将 AutoGen 的 Agent 作为 LangGraph 的节点LangChain 和 LangGraph 各有优势，选择合适的工具可能会让人感到困惑。那么，应该在什么情况下使用？线性任务（Linear Tasks）：文档检索、文本生成、摘要等预定义的工作流。
LangGraph介绍
谁怕平生太急
05-20 2556
找一个LangGraph的标准实例、结合代码可以有更好的掌握比较复杂的Agent流程、最好是多循环模式。敬请期待。
LangGraph
AI工程化、开源分享、文档翻译、代码笔记
04-05 2231
关于 LangGraph 安装 快速使用 与LCEL 交互 条件边 Cycles 设置工具 设置模型 定义代理状态 定义节点 定义图表 使用 流媒体 流式节点输出 流式 LLM Tokens 何时使用 操作指南 异步 流式 Tokens 持久化 人机交互 可视化图表 “时间旅行” 示例 ChatAgentExecutor：带函数调用 代理执行者 规划代理示例 反思/自我批评 多代理示例 网络研究 通过模拟评估 Chatbot 多模式示例 表链 文档 状态图 `__init__` `.add_node` `.
langgraph_tools
xnuscd的博客
11-04 763
在 LangGraph 中，节点是图的基本单元，通常是 Python 函数，它们负责执行图中的实际操作。节点可以是同步或异步（async）函数，函数的第一个参数是图的状态，而第二个参数是可选的配置，用于传递额外的可配置参数。"}# 第二个参数是可选的my_node：这是一个包含两个参数的节点函数。第一个参数是state，即图的当前状态。第二个参数是config，这是一个可选的对象，用于传递额外的配置信息（例如user_id节点函数执行后，它返回一个更新后的状态，例如。
大模型应用开发技术：LangGraph 使用工具增强聊天机器人
段智华的博客
06-20 464
")聊天机器人可以用来回答问题的页面摘要。接下来， 开始定义图。在LLM上添加了bind_tools。这让LLM知道正确的JSON格式，如果它想使用搜索引擎。接下来 需要创建一个函数，以便在调用这些工具时实际运行它们。将通过将工具添加到一个新节点来实现这一点。下面，实现一个BasicToolNode，它检查状态中最近的消息，如果消息包含tool_calls，则调用工具。
【AI大模型应用开发】Moonshot API 入门，完全平替 OpenAI API ？
同学小张的博客
05-24 3373
月之暗面(moonshot)最近很火呀，本文我们紧跟一下实事，看下Moonshot AI的API调用，以及在LangChain中如何使用。
LangGraph 入门与实战
张伟的专栏
03-25 3389
工具的定义，可以参考这篇文章，写的比较详细了，比较方便的就是使用 tools 这个注解。雨飞：使用智普清言的Tools功能实现ToolAgentLangGraph 中最基础的类型是 StatefulGraph，这种图就会在每一个Node之间传递不同的状态信息。然后每一个节点会根据自己定义的逻辑去更新这个状态信息。具体来说，可以继承 TypeDict 这个类去定义状态，下图我们就定义了有四个变量的信息。input:这是输入字符串，代表用户的主要请求。
LangGraph：构建复杂智能体应用的全面指南
全世界的博客
06-21 5642
图（Graph）是一种数据结构，由节点（Node）和边（Edge）组成。节点表示实体或对象，边表示节点之间的关系。图可以用于表示复杂的关系和流程，广泛应用于计算机科学和人工智能领域。在LangGraph中，图被用于表示和构建复杂的智能体应用。每个节点代表一个操作或步骤，边表示节点之间的依赖关系。通过定义节点和边，开发者可以构建复杂的流程和逻辑。# 定义一个图# 添加节点# 添加边# 运行图在这个例子中，我们定义了一个简单的图，它包含三个节点和两条边。
LangGraph：构建多代理动态工作流的开源框架，支持人工干预、循环、持久性等复杂工作流自动化
Code1994的博客
01-03 2117
作为 LangChain 生态系统的一部分，LangGraph 提供了循环、可控性和持久性等核心优势，支持定义涉及循环的流程，提供细粒度的流程和状态控制，并内置持久性功能，支持高级的人工干预和记忆功能。行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。
LangGraph：基于图结构的大模型智能体开发框架
深度学习机器
12-20 859
LangGraph的StateGraph是一种状态机，包含了节点和边，节点一般是定义好的函数，边用于连接不同的节点，用于表示图的执行顺序。初始化模型和工具定义图的状态信息定义图节点定义图的入口节点和边关系编译图执行图# 初始化模型# 定义图的状态信息# 定义图节点# 定义图的入口和边# 编译图# 执行图user_input = '介绍你自己'
简单的LangGraph示例
happyweb的专栏
05-01 1927
摘要：一个开箱即可使用的LangGraph示例，方便学习LangGraph的各种概念，并可以在PyCharm中跟踪调试各个变量的值。
LangGraph：基于图结构的智能系统开发与实践
喜欢猪猪
01-20 1267
LangGraph 是一种创新的框架，它将图结构的优势引入到智能系统的构建中，旨在通过图的强大表示能力和推理能力，为各种智能应用提供更加灵活和强大的基础架构。LangGraph 为构建复杂的智能系统提供了一种强大的图结构基础，通过其核心组件和实现机制，为多种业务场景提供了支持。在 Java 示例中，我们看到了如何使用图结构构建聊天机器人、多智能体系统和信息检索系统，并且了解了它们的工作原理和代码实现。
Langgraph小入门
xnuscd的博客
11-04 1973
在 LangGraph 中，节点是图的基本单元，通常是 Python 函数，它们负责执行图中的实际操作。节点可以是同步或异步（async）函数，函数的第一个参数是图的状态，而第二个参数是可选的配置，用于传递额外的可配置参数。"}# 第二个参数是可选的my_node：这是一个包含两个参数的节点函数。第一个参数是state，即图的当前状态。第二个参数是config，这是一个可选的对象，用于传递额外的配置信息（例如user_id节点函数执行后，它返回一个更新后的状态，例如。
LangGraph 快速入门
qq_45931691的博客
10-17 762
LangGraph 并不是一个独立于 LangChain 的新框架，而是在 LLM 和 LangChain 的基础之上构建的一个扩展库，可以于 LangChain 现有的链（Chain）等无缝协作LangGraph 能够协调多个 Chain、Agent、Tool 等共同协作，实现依赖外部工具、外部数据库且带有反馈的问答任务 Ollama Ollama 是一个基于 Go 语言开发的简单易用的本地大模型运行框架。可以将其类比为 Docker TavilyTavily Search | 🦜️🔗 LangCha
大模型 LangChain-LangGraph 初探
qq1164014750
01-06 1219
通过对 LangGraph 官方示例的详细分析，我们可以看到它在构建复杂的代理应用程序方面的强大功能和灵活性。它不仅能够整合大模型的语言处理能力，还能够方便地调用外部工具，实现诸如信息查询等功能，并通过状态管理和流程控制来确保整个应用的稳定运行和良好交互体验。然而，在实际应用中，仍然可能会遇到一些问题，如模型适配问题，这提醒我们在开发过程中需要充分测试和评估不同模型和工具的组合，以选择最适合项目需求的方案。
LangChain 最近发布的一个重要功能：LangGraph
2301_78285120的博客
02-04 2789
next: str。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

同学小张

如果觉得有帮助，欢迎给我鼓励！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值