LangChain 82 LangGraph 从入门到精通四

最新推荐文章于 2025-07-13 09:00:00 发布

AI架构师易筋

最新推荐文章于 2025-07-13 09:00:00 发布

阅读量2.9k

点赞数 85

CC 4.0 BY-SA版权

分类专栏： LLM-Large Language Models 文章标签： langchain python conda langsmith langgraph

本文链接：https://blog.csdn.net/zgpeace/article/details/136049765

LLM-Large Language Models 专栏收录该内容

192 篇文章

订阅专栏

本文详细介绍了LangChain中的StateGraphAPI，包括如何使用`StateGraph`类构建图，节点和边的操作，如添加、条件边和设置起终点。通过实例展示如何使用类型化字典和注解进行状态模式定义，以及如何在实际应用中编译和调用图函数。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

LangChain系列文章

在这里插入图片描述

有几个新的API可以使用。

1.StateGraph

主要入口点是StateGraph。

from langgraph.graph import StateGraph

这个类负责构建图。它提供了一个受NetworkX启发的接口。这个图由一个状态对象参数化，它传递给每个节点。

1.1 `init`

    def __init__(self, schema: Type[Any]) -> None:

在构建图表时，您需要传入一个状态模式。然后，每个节点都会返回操作以更新该状态。这些操作可以是在状态上设置特定属性（例如，覆盖现有值），也可以是向现有属性添加内容。是设置还是添加是通过注释您用于构建图表的状态对象来表示的。

指定模式的推荐方法是使用类型化字典：from typing import TypedDict

然后，您可以使用 from typing import Annotated 注释不同的属性。目前，唯一支持的注释是 import operator; operator.add。此注释将使得任何返回此属性的节点将新结果添加到现有值中。

让我们看一个例子：

from typing import TypedDict, Annotated, Union
from langchain_core.agents import AgentAction, AgentFinish
import operator


class AgentState(TypedDict):
   # The input string
   input: str
   # The outcome of a given call to the agent
   # Needs `None` as a valid type, since this is what this will start as
   agent_outcome: Union[AgentAction, AgentFinish, None]
   # List of actions and corresponding observations
   # Here we annotate this with `operator.add` to indicate that operations to
   # this state should be ADDED to the existing values (not overwrite it)
   intermediate_steps: Annotated[list[tuple[AgentAction, str]], operator.add]

我们可以像这样使用：

# Initialize the StateGraph with this state
graph = StateGraph(AgentState)
# Create nodes and edges
...
# Compile the graph
app = graph.compile()

# The inputs should be a dictionary, because the state is a TypedDict
inputs = {
   # Let's assume this the input
   "input": "hi"
   # Let's assume agent_outcome is set by the graph as some point
   # It doesn't need to be provided, and it will be None by default
   # Let's assume `intermediate_steps` is built up over time by the graph
   # It doesn't need to provided, and it will be empty list by default
   # The reason `intermediate_steps` is an empty list and not `None` is because
   # it's annotated with `operator.add`
}

1.2 `.add_node`

    def add_node(self, key: str, action: RunnableLike) -> None:

这种方法向图中添加一个节点。它接受两个参数：

key: 一个表示节点名称的字符串。这个名称必须是唯一的。
action: 当调用该节点时要执行的操作。这应该是一个函数或可运行的。

1.3 `.add_conditional_edges`

    def add_conditional_edges(
        self,
        start_key: str,
        condition: Callable[..., str],
        conditional_edge_mapping: Dict[str, str],
    ) -> None:

这种方法添加了条件边缘。这意味着只会选择一个下游边缘，取决于起始节点的结果。这需要三个参数：

start_key：表示起始节点名称的字符串。该键必须已在图表中注册过。
condition：要调用以决定接下来要做什么的函数。输入将是起始节点的输出。它应返回一个存在于conditional_edge_mapping中并表示要采取的边缘的字符串。
conditional_edge_mapping：字符串到字符串的映射。键应该是条件可能返回的字符串。值应该是如果返回该条件则调用的下游节点。

1.4 `set_entry_point`

    def set_entry_point(self, key: str) -> None:

图的入口点。这是首先调用的节点。它只需要一个参数：

key：应首先调用的节点的名称。

1.5 `.set_finish_point`

    def set_finish_point(self, key: str) -> None:

这是图的出口点。当调用此节点时，结果将是图的最终结果。它只有一个参数：

key：调用时将返回其调用结果作为最终输出的节点名称

注意：如果在任何时候您之前创建了通向END的边缘（条件或正常），则不需要调用此节点。

代码

https://github.com/zgpeace/pets-name-langchain/tree/develop

参考

https://python.langchain.com/docs/langsmith/walkthrough

LangChain 82 LangGraph 从入门到精通四

1.StateGraph

1.1 __init__

1.2 .add_node

1.3 .add_conditional_edges

1.4 set_entry_point

1.5 .set_finish_point

代码

参考

1.1 `init`

1.2 `.add_node`

1.3 `.add_conditional_edges`

1.4 `set_entry_point`

1.5 `.set_finish_point`