langgraph框架之初识

1.什么是langgraph？

LangGraph 是一个用于构建可控代理的底层编排框架。在AI中，代理也就是执行动作的智能体，也就是agent。使用这个框架可以构建一个可以自由控制的智能执行体，它可以帮我们做许多事情，如下：

1. 自然语言处理（NLP）：

   • 机器翻译：将一种语言的文本翻译成另一种语言。
   • 情感分析：分析文本中的情感倾向，如正面、负面或中性。
   • 文本生成：自动生成新闻文章、报告或故事。

2. 对话系统：

   • 聊天机器人：用于客服、导览或个人助手，提供自动化的对话服务。
   • 虚拟助手：如Siri、Alexa，帮助用户完成任务，如设置提醒、搜索信息。

3. 内容推荐：

   • 个性化推荐：根据用户的历史行为和偏好，推荐新闻、电影或产品。
   • 智能广告：根据用户上下文提供个性化的广告内容。

4. 语言学习：

   • 语言教学辅助：提供语法纠正、词汇练习和模拟对话，帮助用户学习新语言。
   • 智能 dictionaries：提供实时翻译和语言学习资源。

5. 数据处理与分析：

   • 文本提取：从非结构化文本中提取关键信息，如新闻摘要、报告生成。
   • 数据清洗：自动识别和纠正文本数据中的错误和不一致。

6. 智能文档管理：

   • 文档分类：自动对文档进行分类和标签化。
   • 内容提取：从大量文档中提取特定信息，如合同条款、技术规格。

7. 社交媒体管理：

   • 内容监控：实时监控社交媒体上的特定话题或关键词。
   • 社区管理：自动识别和处理垃圾信息或不当内容。

8. 医疗健康：

   • 电子病历分析：从电子病历中提取关键信息，辅助医生决策。
   • 健康咨询：提供基于语言的健康咨询和建议。

2.为什么要使用 LangGraph？

LangGraph 专为希望构建强大且适应性强的 AI 代理的开发者打造。开发者选择 LangGraph 的理由如下：

• 可靠性和可控性。通过审核检查和人工审核来引导代理操作。LangGraph 会保留长期运行工作流的上下文，确保您的代理保持正轨。LangGraph 通过持久化检查点checkpointer加载已保存的状态，从而允许聊天机器人从上次中断的地方继续执行。请看以下代码呈现：

• from langgraph.checkpoint.memory import MemorySaver
  from langgraph.graph import StateGraph# 定义一个新的graph
  workflow = StateGraph(State)# 初始化内存以在graph运行之间保持状态
  memory = MemorySaver()app = workflow.compile(checkpointer=memory)# 创建用户角色
  config = {"configurable": {"thread_id": 86}}# 用户首次输入
  user_input = "Hi there! My name is Will."# 第一次运行thread_id为86的角色
  events = app.stream({"messages": [("user", user_input)]}, config, stream_mode="values"
  )# 再次运行thread_id为86的角色，提问有没有记住用户的名字
  user_input = "Remember my name？Please spell my name"for event in events:event["messages"][-1].pretty_print()events = app.stream({"messages": [("user", user_input)]}, config, stream_mode="values"
  )for event in events:event["messages"][-1].pretty_print()

  运行结果如下：

  ================================ Human Message =================================Hi there! My name is Will.
  ================================== Ai Message ==================================Hello Will! How can I assist you today?
  ================================ Human Message =================================Remember my name？Please spell my name
  ================================== Ai Message ==================================Of course, Will! Your name is W-I-L-L.

• 低级且可扩展。使用完全描述性的低级原语构建自定义代理，摆脱限制定制的僵化抽象。设计可扩展的多代理系统，每个代理都根据您的用例定制特定的角色。一般来说在编排代理流程时，需要创建各个节点，有工具节点，有代理节点，比如某个用例可以把工具节点命名为“tools”，把代理节点命名为“agent”。
• 一流的流式传输支持。通过逐个令牌的流式传输和中间步骤的流式传输，LangGraph 让用户能够清晰地实时了解代理的推理和操作。这个特点可以提升用户感知，让对话更友好的呈现，增强沟通效果，提升服务体验。

  def stream_graph_updates(u_input: str):"""流式输出用户的提问:param u_input: 用户输入:return:"""for event in app.stream({"messages": [{"role": "user", "content": u_input}]}, config):for value in event.values():print("Assistant:", value["messages"][-1].content)while True:try:user_input = input("User: ")if user_input.lower() in ["quit", "exit", "q"]:print("Goodbye!")breakstream_graph_updates(user_input)except:# fallback if input() is not availableuser_input = "What do you know about LangGraph?"print("User: " + user_input)stream_graph_updates(user_input)break

  User: 你好，什么是langgraph？
  Assistant: Langgraph是一种用于表示和分析语言结构的图形化工具。它通过节点和边来表示语言中的不同元素及其关系，例如词法、句法和语义等。Langgraph可以帮助语言学家、开发者和教育者更好地理解和教授语言的复杂性。如果你有具体的问题或需要进一步的信息，请告诉我！
  User: 好，它可以应用于哪些领域？请简短说一下
  Assistant: Langgraph可以应用于多个领域，包括但不限于自然语言处理、语言教学、文本分析和机器翻译等。它帮助研究人员和开发者更好地理解语言结构，并应用于实际的语言技术开发中。
  User: 真棒
  Assistant: 谢谢您的认可！如果您还有其他问题或需要帮助的地方，随时欢迎提问。
  User: quit
  Goodbye!
  

  3.安装

• pip install -U langgraph

  在命令行使用pip下载，也可以进入官网下载安装包后安装到指定的环境路径

4.知名客户

• Klarna：为 8500 万活跃用户提供客户支持机器人
• Elastic：用于威胁检测的安全 AI 助手
• Uber：自动化单元测试生成
• Replit：代码生成