LangChain 2024 最新发布:LangGraph 多智能体工作流(Multi-Agent Workflows)
LangGraph 可以更好地创建包含周期的 LLM 工作流,这是大多数代理运行时的关键组件。Langchain官方重点介绍了两个简单的运行例子:一个是Langchain中的 AgentExecutor,另一个是针对消息传递和聊天模型的版本。
本文重点介绍 多代理工作流。
- “多智能体”是什么意思?
- 为什么“多智能体”工作流很有趣?
- 使用 LangGraph 进行多智能体工作流的三个具体示例
- 使用多代理工作流(GPT-Newspaper 和 CrewAI)构建在,
- LangGraph 之上的第三方应用程序的两个示例
- 与其他框架(Autogen 和 CrewAI)的比较
什么是“多智能体”?
当我们谈论“多智能体”时,我们谈论的是多个独立的参与者,这些参与者由以特定方式连接的语言模型提供支持。每个代理都可以有自己的提示、LLM、工具和其他自定义代码,以便与其他代理进行最佳协作。
这意味着在考虑不同的多代理工作流时,有两个主要考虑因素:
- 什么是多个独立代理?
- 这些代理是如何连接的?
这种想法非常适合图表示,例如由LangGraph 提供的图表示。在此方法中,每个智能体都是图中的一个节点,它们的连接表示为一条边。