自拍一区在线观看,国产高清一区二区三区免费视频,久久99热久久精品在线6

def classify(input: str) -> str:
# 判斷輸入內(nèi)容類型
return "math" if "calculate" in input else "qa"

2. Edge（邊）

邊表示從一個節(jié)點流向另一個節(jié)點的路徑，可以是條件跳轉(zhuǎn)、固定跳轉(zhuǎn)或循環(huán)返回。

graph.add_edge("start", "classifier")

graph.add_conditional_edges("classifier", condition_func, {"math": "math_node", "qa": "qa_node"})

3. State（狀態(tài)）

LangGraph 使用狀態(tài)來記錄當(dāng)前執(zhí)行上下文（如 user input、memory、變量），節(jié)點之間可以修改或傳遞狀態(tài)。

{

  "input": "What's 2 + 2?",

  "history": [],

  "result": "4"

}

4. Graph（流程圖）

Graph 是 LangGraph 的核心容器，所有節(jié)點、邊和狀態(tài)都定義在其中。

from langgraph.graph import StateGraph

graph = StateGraph(state_type=MyCustomState)

四、LangGraph 使用流程實戰(zhàn)

示例：構(gòu)建一個數(shù)學(xué)問答 Agent

這個 Agent 將用戶輸入分類為“數(shù)學(xué)”或“問答”，并調(diào)用不同模型回答，最后返回結(jié)果。

步驟 1：定義狀態(tài)結(jié)構(gòu)

from typing import TypedDict



class AgentState(TypedDict):

    input: str

    result: str

步驟 2：構(gòu)建節(jié)點邏輯

def classifier(state: AgentState) -> str:

    if any(k in state["input"] for k in ["calculate", "+", "-", "*"]):

        return "math"

    return "qa"



def math_node(state: AgentState) -> AgentState:

    state["result"] = str(eval(state["input"]))

    return state



def qa_node(state: AgentState) -> AgentState:

    # 簡化為靜態(tài)回答

    state["result"] = "This is a general answer."

    return state

步驟 3：構(gòu)建流程圖

from langgraph.graph import StateGraph



builder = StateGraph(AgentState)



builder.add_node("classifier", classifier)

builder.add_node("math_node", math_node)

builder.add_node("qa_node", qa_node)



builder.set_entry_point("classifier")

builder.add_conditional_edges("classifier", classifier, {"math": "math_node", "qa": "qa_node"})



graph = builder.compile()

步驟 4：執(zhí)行流程

result = graph.invoke({"input": "2 + 2"})

print(result["result"])  # 輸出：4

這個案例雖然簡單，但它已經(jīng)展現(xiàn)了 LangGraph 的核心價值：通過節(jié)點 + 狀態(tài) + 路徑的組合，實現(xiàn)復(fù)雜語言任務(wù)的有序執(zhí)行。

五、LangGraph 應(yīng)用場景

1. 多 Agent 協(xié)同對話系統(tǒng)

可實現(xiàn)多個角色（如“分析師”、“總結(jié)者”、“翻譯者”）在流程中協(xié)同工作，通過狀態(tài)圖配置交互順序和條件。

2. AI 助理工具自動化流程

如客戶支持系統(tǒng)中，用戶輸入后由分類器判斷是“技術(shù)支持”、“售后”、“咨詢”，進(jìn)入不同模塊自動應(yīng)答。

3. 長上下文記憶系統(tǒng)

使用 LangGraph 管理記憶更新邏輯，比如每個步驟后調(diào)用 memory_node 存儲關(guān)鍵上下文，保持對話狀態(tài)。

4. 代碼生成與執(zhí)行系統(tǒng)

編寫、審查、執(zhí)行代碼各為不同節(jié)點，并使用流程圖控制代碼生命周期管理。

六、LangGraph 與傳統(tǒng)工作流框架的比較

框架	特點	是否支持 LLM	異步支持	狀態(tài)控制	分支邏輯
LangGraph	基于 LangChain 狀態(tài)圖	?	?	?	?
Apache Airflow	定時任務(wù)調(diào)度框架	?	?	?	?
Prefect	Python 工作流控制	?	?	部分	?
Temporal	分布式工作流	?	?	?	?