2. langgraph的可控性 (How to return state before hitting recursion limit)

设置图形递归限制可以帮助你控制图形运行的时间，但如果达到递归限制，图形会返回一个错误——这在某些用例中可能并不理想。相反，你可能希望返回递归限制被触及之前的状态值。当递归限制被触及时，如何返回之前的状态。设置图形递归限制可以帮助你控制图形运行的时间，但如果达到递归限制，图形会返回一个错误——这在某些用例中可能并不理想。相反，你可能希望返回递归限制被触及之前的状态值。

1. 定义状态和工作流

首先，我们需要定义状态类型和工作流的基本结构。

1.1 定义状态类型

我们使用 TypedDict 来定义状态类型，包含 value 和 action_result 两个字段。

from typing_extensions import TypedDict
from langgraph.graph import StateGraph
from langgraph.graph import START, END

class State(TypedDict):
    value: str
    action_result: str

1.2 创建工作流

创建一个 StateGraph 实例，并添加节点和边。

def router(state: State):
    if state["value"] == "end":
        return END
    else:
        return "action"

def decision_node(state):
    return {"value": "keep going!"}

def action_node(state: State):
    # Do your action here ...
    return {"action_result": "what a great result!"}

workflow = StateGraph(State)
workflow.add_node("decision", decision_node)
workflow.add_node("action", action_node)
workflow.add_edge(START, "decision")
workflow.add_conditional_edges("decision", router, ["action", END])
workflow.add_edge("action", "decision")
app = workflow.compile()

1.3 可视化工作流

使用 IPython.display 模块展示工作流的图形表示。

from IPython.display import Image, display

display(Image(app.get_graph().draw_mermaid_png()))

2. 处理递归错误

在执行工作流时，可能会遇到递归错误。我们需要捕获并处理这种错误。

2.1 捕获递归错误

尝试执行工作流，并捕获 GraphRecursionError。

from langgraph.errors import GraphRecursionError

try:
    app.invoke({"value": "hi!"})
except GraphRecursionError:
    print("Recursion Error")

输出：

Recursion Error

3. 限制递归次数

为了避免递归错误，我们可以在状态中添加一个 remaining_steps 字段来限制递归次数。

3.1 修改状态类型

添加 remaining_steps 字段到状态类型。

from typing_extensions import TypedDict
from langgraph.graph import StateGraph
from typing import Annotated
from langgraph.managed.is_last_step import RemainingSteps

class State(TypedDict):
    value: str
    action_result: str
    remaining_steps: RemainingSteps

3.2 修改路由函数

在路由函数中添加对 remaining_steps 的检查。

def router(state: State):
    # Force the agent to end
    if state["remaining_steps"] <= 2:
        return END
    if state["value"] == "end":
        return END
    else:
        return "action"

3.3 重新创建工作流

重新创建并编译工作流。

workflow = StateGraph(State)
workflow.add_node("decision", decision_node)
workflow.add_node("action", action_node)
workflow.add_edge(START, "decision")
workflow.add_conditional_edges("decision", router, ["action", END])
workflow.add_edge("action", "decision")
app = workflow.compile()

3.4 执行工作流

再次执行工作流，观察结果。

app.invoke({"value": "hi!"})

输出：

{'value': 'keep going!', 'action_result': 'what a great result!'}

注意事项：

在decision节点中打印循环次数，可以看出state[“remaining_steps”] 变化

结果：

参考链接:
https://langchain-ai.github.io/langgraph/how-tos/return-when-recursion-limit-hits/#with-returning-state

通过以上步骤，我们成功构建了一个带有递归限制的状态图工作流，并在递归错误之前返回state值。希望这个教程对你有所帮助！
如果有任何问题，欢迎在评论区提问。