Agent工作流状态机下的Hello World演示与高级功能(持久化、回溯)
1. LangGraph简介
LangGraph是一个Python库,用于使用基于图的状态机构建复杂、可扩展的AI代理系统。它通过将代理工作流建模为状态机来提供可靠性和容错能力,支持长时间或容易出错的工作负载。
图计算是一种表示对象以及其关系的计算模式,LangGraph在谷歌的Pregel项目基础上,发布了LangGraph,通过图计算方式让Agent具备状态,并可以构建复杂的工作流以及多角色Agents。
LangGraph的学习有一定的学习曲线,首先得十分了解langchain的基础,然后还要对状态机有一定的理解
关键要素:
- State:状态机状态,任何python类型
- Nodes:Agent的逻辑函数,操作State
- Edges:控制流规则,条件分支或者固定转换
-
LangGraph的优势
循环支持
:LangGraph允许用户定义涉及循环的流程,这在构建需要持续反馈和迭代的应用程序中至关重要。这种循环支持使得LangGraph特别适用于模拟类似代理的行为,这在LangChain中可能不那么直接支持。细粒度控制
:为用户提供了对应用程序流程和状态的细粒度控制。这种控制能力使得开发者能够构建