要使用 LangGraph 构建应用程序,需要理解其核心组件。让我们探索构成 LangGraph 应用程序的基础构建模块。
LangGraph 应用程序从 entrypoint 开始,根据执行情况,流程可能流向不同的函数直到抵达 END。
State 是 LangGraph 中的核心概念,表示流经应用程序的所有信息。
from typing_extensions import TypedDict
class State(TypedDict):
graph_state: str状态是 用户自定义 的,因此需要仔细设计字段以包含决策过程所需的所有数据!
💡 提示: 仔细考虑应用程序需要在步骤之间跟踪哪些信息。
Nodes 是 Python 函数。每个节点:
def node_1(state):
print("---Node 1---")
return {"graph_state": state['graph_state'] +" I am"}
def node_2(state):
print("---Node 2---")
return {"graph_state": state['graph_state'] +" happy!"}
def node_3(state):
print("---Node 3---")
return {"graph_state": state['graph_state'] +" sad!"}举例, 节点可以包含:
💡 信息: 像 START 和 END 这样的必要节点已直接包含在 LangGraph 中。
Edges 连接节点并定义图中的可能路径:
import random
from typing import Literal
def decide_mood(state) -> Literal["node_2", "node_3"]:
# 通常我们会根据状态决定下一个节点
user_input = state['graph_state']
# 这里我们在节点2和节点3之间简单实现 50/50 的概率分配
if random.random() < 0.5:
# 50% 时间, 我们返回节点2
return "node_2"
# 50% 时间, 我们返回节点3
return "node_3"边可以是:
StateGraph 是包含整个 agent 工作流的容器:
from IPython.display import Image, display
from langgraph.graph import StateGraph, START, END
# 构建图表
builder = StateGraph(State)
builder.add_node("node_1", node_1)
builder.add_node("node_2", node_2)
builder.add_node("node_3", node_3)
# 连接逻辑
builder.add_edge(START, "node_1")
builder.add_conditional_edges("node_1", decide_mood)
builder.add_edge("node_2", END)
builder.add_edge("node_3", END)
# 编译
graph = builder.compile()可以可视化图表:
# 可视化
display(Image(graph.get_graph().draw_mermaid_png()))
最重要的是可以调用:
graph.invoke({"graph_state" : "Hi, this is Lance."})output :
---Node 1---
---Node 3---
{'graph_state': 'Hi, this is Lance. I am sad!'}下一节我们将通过构建第一个图表来实践这些概念。该图表将让 Alfred 能够处理电子邮件,进行分类,并在邮件真实时起草初步回复。
< > Update on GitHub