使用 LangGraph 构建、部署到 LangGraph Cloud 并通过 LangGraph Studio 查看的代理进行了完整的端到端演练

使用 LangGraph 构建、部署到 LangGraph Cloud 并通过 LangGraph Studio 查看的代理进行了完整的端到端演练

介绍

考虑到语言和人工智能的交汇，发展速度非常快。而 LangChain 发现自己处于塑造生成式人工智能应用程序开发和管理方式的前沿。

关于生成式人工智能和语言的一些初步观察：

1. 几个月前，人们认为 OpenAI 凭借其强大的 LLM 占领了市场。
2. 随后，大量开源模型（最著名的是来自 Meta 的模型）颠覆了人们所认为的商业模式。
3. LLM 提供商意识到语言模型将成为一种单纯的实用程序，并开始关注最终用户应用程序和类似 RAG 的功能（称为基础、类似代理的功能和个人助理）。
4. 必须解决幻觉问题，并且发现 LLM 不具备突发能力，但 LLM 在**情境学习 ( *ICL* ) 方面表现异常出色。**围绕实施、扩展和管理 ICL 实施而开发的应用程序结构；我们现在将其称为 RAG。
5. RAG（非梯度）开始比微调（梯度）方法更受欢迎，因为它透明，不像微调那样不透明。此外，生成式 AI 应用程序还具有可观察、可检查和易于修改的特点。
6. 因为我们开始使用 LLM 的所有方面（NLG、推理、规划、对话状态管理等），除了 LLM 的知识密集型性质之外，小型语言模型变得非常适用。
7. 这是归功于非常强大的开源 SLM、量化、本地、离线推理、先进的推理能力和思路链训练。
8. 而且，重点正在转向两个方面……第*一个*是数据中心方法。可以发现、设计和增强非结构化数据以进行 RAG 和微调。最近的微调并没有专注于增强语言模型的知识密集型性质，而是赋予 LM 特定的行为能力。
9. 这显然体现在最近收购 OpenAI 的过程中，OpenAI更加贴近数据部分并提供RAG解决方案。
10. 第二个方面需要无代码到低代码的AI生产力套件，提供对模型、托管、流程工程、微调、提示工作室和护栏的访问。
11. 还有一个值得注意的趋势是添加图形数据……图形是一种抽象数据类型……抽象数据类型是数据类型的数学模型，由数据**用户的行为（语义）定义。抽象数据类型与*数据结构*形成鲜明对比，数据结构是数据的具体表示，是实现者而不是用户的观点。这种数据结构不太晦涩难懂，易于解释。

返回 LangChain

langChain 推出了 LangSmith，作为详细追踪和管理生成式 AI 应用程序的工具。该产品包括一个即时游乐场和一个即时中心。

langChain 最近还推出了 LangGraph，它在一定程度上为代理应用程序增加了结构。

抽象数据类型是数据类型的数学模型，从数据***用户***的角度通过其行为（语义）定义。

抽象数据类型与数据结构*形成鲜明对比，数据结构是数据的具体表示，是实现者而不是用户*的观点。这种数据结构不太晦涩，易于解释。

有向图（或有向图）是由一组通过有向边连接的节点组成的图。

图形数据结构由无向图的有限节点集和这些节点的一组无序对组成。

考虑下面的图形表示，显示节点以及边和边选项。

朗史密斯

考虑下面的图片，我们可以看到 LangSmith 控制台左侧列出了六个元素：项目、注释队列、操场、部署、数据集和测试以及提示。

LangGraph 的附加功能是管理 LangGraph 的部署部分。

需要说明的是，LangGraph Studio 是您所编写代码的图形表示。Studio 是一种可视化和洞察数据流的方法。

Studio 不是流程创建或开发工具，因此代码可以在 Studio 中直观呈现。但在 Studio 中，无法编辑或更改代码。因此 Studio 是一种观察、调试和对话流程工具。

将 LangGraph 应用部署到 Studio

为了创建我的第一个 LangGraph 应用程序，我必须通过 LangChain 分叉 Github 示例应用程序。

下面是我的 Github 中的存储库，显示了分叉的应用程序……

回到 LangSmith，我需要将分叉的存储库实例部署到 LangGraph Cloud。下面我展示了将 LangGraph 应用程序部署到 LanGraph Cloud 的事件顺序。

再次，您可以在下面看到我从 LangSmith 引用了我的 GitHub，并选择了我的 LangGraph 应用程序所在的存储库。我还可以设置环境变量，在本例中它是我的 OpenAI API 密钥、Anthropic API 密钥等。

部署成功后，将显示 LangGraph Cloud 实例，其中包含跟踪项目、状态等。

LangGraph工作室

打开 LangGraph Studio 后，会显示应用程序的可视化图形表示，可以与之交互。可以向应用程序添加暂停或中断，并且可以以对用户有意义的方式对节点进行排序。

有一个配置选项和消息设置。请注意右侧，显示了状态、代币花费、延迟等。

下面考虑如何向代理节点添加中断，应用程序的流程停止并等待制定者明确继续执行流程。

流程显示在右侧，其中包含已采取的操作、URL 和内容以及代理响应。

流追踪

下面显示了当制作者将鼠标悬停在右侧轨迹中的图形节点上时，特定节点会在左侧突出显示。

流分叉

LangChain 将其称为时间旅行功能，流程中的特定节点可以分叉。在下面的示例中，我更改了代理所采取的操作的实际数据……

然后我可以再次执行流程，如下所示，有两个分叉版本，制作者可以在两个结果之间切换。此界面非常适合测试流程中的不同排列，以查看最终结果。

最后，在 LangSmith 中显示的 LangGraph 代理的跟踪下方，请注意可用的详细程度。LangSmith 跟踪视图中的选项包括查看运行、线程、根运行、LLM 调用等的选项。可以编辑数据保留、元数据、线程等。

angSmith 中显示的 LangGraph 代理的跟踪下方，请注意可用的详细程度。LangSmith 跟踪视图中的选项包括查看运行、线程、根运行、LLM 调用等的选项。可以编辑数据保留、元数据、线程等。

博客原文：专业人工智能社区