LangChain 81 LangGraph 从入门到精通三

LangChain系列文章

60. LangChain 60 深入理解LangChain 表达式语言23 multiple chains链透传参数 LangChain Expression Language (LCEL)
61. LangChain 61 深入理解LangChain 表达式语言24 multiple chains链透传参数 LangChain Expression Language (LCEL)
62. LangChain 62 深入理解LangChain 表达式语言25 agents代理 LangChain Expression Language (LCEL)
63. LangChain 63 深入理解LangChain 表达式语言26 生成代码code并执行 LangChain Expression Language (LCEL)
64. LangChain 64 深入理解LangChain 表达式语言27 添加审查 Moderation LangChain Expression Language (LCEL)
65. LangChain 65 深入理解LangChain 表达式语言28 余弦相似度Router Moderation LangChain Expression Language (LCEL)
66. LangChain 66 深入理解LangChain 表达式语言29 管理prompt提示窗口大小 LangChain Expression Language (LCEL)
67. LangChain 67 深入理解LangChain 表达式语言30 调用tools搜索引擎 LangChain Expression Language (LCEL)
68. LangChain 68 LLM Deployment大语言模型部署方案
69. LangChain 69 向量数据库Pinecone入门
70. LangChain 70 Evaluation 评估、衡量在多样化数据上的性能和完整性
71. LangChain 71 字符串评估器String Evaluation衡量在多样化数据上的性能和完整性
72. LangChain 72 reference改变结果 字符串评估器String Evaluation
73. LangChain 73 给结果和参考评分 Scoring Evaluator
74. LangChain 74 有用的或者有害的helpful or harmful Scoring Evaluator
75. LangChain 75 打造你自己的OpenAI + LangChain网页应用
76. LangChain 76 LangSmith 从入门到精通一
77. LangChain 77 LangSmith 从入门到精通二
78. LangChain 78 LangSmith 从入门到精通三
79. LangChain 79 LangGraph 从入门到精通一
80. LangChain 80 LangGraph 从入门到精通二

1. ChatAgentExecutor：带有函数调用的代理执行器

这个代理执行器将消息列表作为输入，并输出消息列表。所有代理状态都表示为消息列表。这特别使用OpenAI函数调用。这是推荐的代理执行器，适用于支持函数调用的新型基于聊天的模型。

• Getting Started Notebook 入门笔记本：介绍如何从头开始创建这种类型的执行器
• High Level Entrypoint 高级入口点：介绍如何使用聊天代理执行器的高级入口点。

我们还有很多示例，突出显示如何稍微修改基本的聊天代理执行器。所有这些都是getting started notebook 基于入门笔记本构建的，因此建议您首先从那里开始。

• Human-in-the-loop 人在循环中：如何添加人在循环组件
• Force calling a tool first 首先强制调用工具：如何始终首先调用特定工具
• Respond in a specific format 以特定格式回复：如何强制代理以特定格式回复
• Dynamically returning tool output directly 动态返回工具输出：如何动态地让代理选择是否直接向用户返回工具的结果
• Managing agent steps 管理代理步骤：如何更明确地管理代理所采取的中间步骤

2. AgentExecutor

此代理执行程序使用现有的LangChain代理。

• Getting Started Notebook 入门笔记本：逐步介绍如何从头开始创建这种类型的执行程序
• High Level Entrypoint 高级入口点：介绍如何使用聊天代理执行程序的高级入口点。

我们还有很多示例，重点介绍如何轻微修改基本的聊天代理执行程序。所有这些都是 getting started notebook 基于入门笔记本构建的，因此建议您首先从那里开始。

• Human-in-the-loop 人在环中：如何添加人在环组件
• Force calling a tool first 强制首先调用工具：如何始终首先调用特定工具
• Managing agent steps 管理代理步骤：如何更明确地管理代理所采取的中间步骤

3. 多智能体示例 Multi-agent Examples

• Multi-agent collaboration 多智能体协作：如何创建两个智能体一起完成任务
• Multi-agent with supervisor 带监督的多智能体：如何通过使用LLM作为“监督员”来编排单个智能体，以分配工作
• Hierarchical agent teams 分级智能体团队：如何编排智能体“团队”作为嵌套图，以协作解决问题

4. 通过模拟进行聊天机器人评估 Chatbot Evaluation via Simulation

在多轮对话中经常很难评估聊天机器人。一种方法是使用模拟来实现这一点。

• Chat bot evaluation as multi-agent simulation 将聊天机器人评估作为多智能体模拟：如何模拟“虚拟用户”与您的聊天机器人之间的对话

5. 异步 Async

如果您在异步工作流中运行LangGraph，您可能希望默认创建节点为异步。有关如何执行此操作的详细步骤，请参阅此文档

6. 流式标记 Streaming Tokens

有时语言模型需要一段时间才能做出响应，您可能希望将标记流式传输给最终用户。有关如何执行此操作的指南，请参阅此文档

代码

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

参考

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