直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

给个使用langgraph的例子

回答

LangGraph 是一个用于支持包含循环的 LLM 工作流创建的新包,它提供了 Python 和 JS 版本。以下是使用 LangGraph 的一个例子:

假设我们要开发一个客户支持机器人,它能够处理多种任务。我们可以使用 LangGraph 的核心功能来设计和构建这个机器人。

首先,我们需要确定机器人的多个独立代理,例如:

  • 问题理解代理:负责理解客户提出的问题。
  • 解决方案查找代理:根据问题查找相应的解决方案。
  • 回答生成代理:生成回答并提供给客户。

然后,我们可以使用 LangGraph 将这些代理连接起来,形成一个多代理工作流。例如,问题理解代理可以将问题传递给解决方案查找代理,解决方案查找代理找到解决方案后再传递给回答生成代理,最后回答生成代理生成回答并提供给客户。

在这个过程中,每个代理都可以拥有自己的提示、LLM、工具和其他自定义代码,以便与其他代理最好地协作。

通过使用 LangGraph,我们可以更轻松地构建和管理复杂的多代理工作流,提高应用程序的灵活性和可扩展性。

内容由 AI 大模型生成,请仔细甄别(powered by aily)

参考资料

开发:LangGraph-应用层的混合专家模型

本文译自LangGraph:Multi-Agent Workflows一文,Mixtral 8x7B让AI圈见识到了混合专家模型的威力,那么随着LangGraph的发布,众多应用开发者也能在应用层随心搭建自己的多专家模型了。上周,我们重点介绍了LangGraph-一个新的包(同时提供Python和JS版本),用于更好地支持包含循环的LLM工作流的创建,循环是大多数代理运行时的关键组成部分。作为发布的一部分,我们强调了两个简单的运行时:一个等效于LangChain中的AgentExecutor,另一个是针对消息传递和聊天模型的该版本。今天,我们很高兴强调LangGraph的第二组用例-多代理工作流。在这篇博客中,我们将介绍:“多代理”是什么意思?为什么“多代理”工作流很有趣?使用LangGraph进行多代理工作流的三个具体示例基于LangGraph使用多代理工作流构建的两个第三方应用程序示例(GPT-Newspaper和CrewAI)与其他框架(Autogen和CrewAI)的比较

开发:LangGraph-应用层的混合专家模型

当我们谈论“多代理”时,我们谈论的是「1.多个独立的演员」「2.由语言模型提供动力」「3.以特定方式连接」每个代理都可以拥有自己的提示、LLM、工具和其他自定义代码,以便与其他代理最好地协作。这意味着在考虑不同的多代理工作流时有两个主要注意事项:「1.多个独立代理是什么?」「2.这些代理是如何连接的?」这种思维非常适合图形式的表示,例如LangGraph提供的表示。在这种方法中,每个代理都是图中的一个节点,它们的连接表示为边。控制流由边管理,它们通过向图的状态添加内容来进行通信。注意:一个非常相关的概念是「状态机」的概念,我们明确地将其称为认知体系结构的一类。从这个角度来看,独立的代理节点变成了状态,这些代理是如何连接的就是过渡矩阵。[由于状态机可以看作是一个标记的、有向的图](https://www.cs.cornell.edu/courses/cs211/2006sp/Lectures/L26-MoreGraphs/state_mach.html?ref=blog.langchain.dev#:~:text=State machine as a graph,labeled with the corresponding events.),我们将以相同的方式考虑这些事情。

探索LangGraph:构建多专家协作模型

您现在开发了一个能够处理多种任务的客户支持机器人,它使用了专注的工作流程。更重要的是,您已经学会了如何使用LangGraph的核心功能来设计和根据产品需求重构应用程序。上述示例并不是针对您的特定需求进行优化的-大型语言模型(LLMs)可能会出错,每个流程都可以通过更好的提示和实验来提高可靠性。一旦您创建了初始支持机器人,下一步就是开始添加评估,这样您就可以自信地改进您的系统。查看那些文档和我们的其他教程,了解更多!

其他人在问
怎么样写prompt?有哪些技巧?你能举个例子吗
写 prompt(提示)是一个关键步骤,决定了 AI 模型如何理解并生成文本。以下是一些编写 prompt 的技巧和建议: 1. 明确任务:清晰定义任务,如写故事时包含背景、角色和主要情节。 2. 提供上下文:若任务需特定背景知识,提供足够信息。 3. 使用清晰语言:用简单、清晰的语言描述,避免模糊或歧义词汇。 4. 给出具体要求:明确格式、风格等特定要求。 5. 使用示例:提供期望结果的示例,帮助模型理解需求。 6. 保持简洁:避免过多信息导致模型困惑。 7. 使用关键词和标签:有助于模型理解任务主题和类型。 8. 测试和调整:生成文本后检查结果,根据需要调整 prompt。 此外,还有“Fewshots”的技巧,即在写 Prompt 时,通过提供 1 3 个输入 输出示例,让 GPT 学到样本共性,提升输出结果质量。比如: 初始 Prompt: 你是一个优秀的翻译人员,你会把我说的汉字翻译成英文和日语,日语同时展示日语汉字和假名。不要有任何额外的解释说明。 输入:邻居 输出:Neighbor 输入:自行车 输出:Bicycle 结构化的 prompt 方法论中,结构化是对信息进行组织,使其遵循特定模式和规则,方便有效理解。常用模块包括: Role:<name>:指定角色让 GPT 聚焦对应领域输出。 Profile author/version/description:Credit 和迭代版本记录。 Goals:一句话描述 Prompt 目标,让 GPT 聚焦。 Constrains:描述限制条件,帮 GPT 剪枝。 Skills:描述技能项,强化对应领域信息权重。 Workflow:重点,希望 Prompt 按特定方式对话和输出。 Initialization:冷启动时的对白,强调重点。
2024-10-22
猿辅导 作业帮等软件与Ai技术可结合的例子
以下是猿辅导、作业帮等软件与 AI 技术可结合的例子: 英语学习方面: 1. 智能辅助工具:如利用 Grammarly 进行英语写作和语法纠错,提升写作能力。 2. 语音识别和发音练习:使用 Call Annie 进行口语练习和发音纠正,获取实时反馈。 3. 自适应学习平台:如 Duolingo 利用 AI 技术定制学习计划,提供个性化内容和练习。 4. 智能导师和对话机器人:借助 ChatGPT 进行英语会话练习和对话模拟,增强交流能力。 数学学习方面: 1. 自适应学习系统:例如 Khan Academy 结合 AI 技术提供个性化学习路径和练习题。 2. 智能题库和作业辅助:如 Photomath 通过图像识别和数学推理技术提供解答和解题步骤。 3. 虚拟教学助手:使用 Socratic 利用 AI 技术解答问题、提供教学视频和答疑服务。 4. 交互式学习平台:参与 Wolfram Alpha 的课程和实践项目,利用 AI 技术进行数学建模和求解。 通过将 AI 技术与传统学习方法相结合,可以更高效、更个性化地进行英语和数学学习,提高学习效果。 此外,AI 还可以在以下领域与相关应用结合: 1. AI 与宠物结合: AI 宠物助手:基于自然语言处理和计算机视觉,自动识别宠物情绪、提供饮食建议、监测健康状况等。 AI 宠物互动玩具:开发智能互动玩具,增强宠物娱乐体验。 AI 宠物图像生成:根据文字描述生成宠物形象图像,定制个性化形象。 AI 宠物医疗诊断:利用计算机视觉和机器学习技术,开发辅助诊断系统。 AI 宠物行为分析:基于传感器数据和计算机视觉,分析行为模式,帮助主人了解宠物需求和习性。 2. 能联网检索的 AI: ChatGPT Plus 用户可开启 web browsing 功能实现联网。 Perplexity 结合问答和搜索引擎功能,可指定搜索源类型。 Bing Copilot 简化在线查询和浏览活动。 如 You.com 和 Neeva AI 等搜索引擎,提供基于人工智能的定制搜索体验并保护用户数据隐私。
2024-10-12
举一个prompt的例子吧
以下为您提供几个 prompt 的例子: 在音乐风格方面,例如“Pink Floyd 的《Comfortably Numb》”,关联流派为 Progressive Rock、Psychedelic Rock、Art Rock。 在法律领域,如“请搜索近五年内关于商标侵权案件中‘混淆可能性’标准的具体判例,并提供相似度最高的三个案例的关键要点摘要”。 对于大模型,像“假设你是一位医生,给出针对这种症状的建议”,还可以要求模型按照特定格式输出,如“让模型按照特定格式的 json 输出”。
2024-10-09
AI agent 落地例子
以下是关于 AI agent 的相关信息: AI agent 是在 rag 的基础上更进一步,给大模型提供了更多工具,如长期记忆(相当于给大模型一个数据库工具记录重要信息)、规划和行动(在大模型的 prompt 层做逻辑,将目标拆解并输出固定格式的 action 指令给工具)。例如可以让大模型安排差旅,它会判断完成目标所需步骤,搜索差旅记录,预订酒店和机票等。 一些 Agent 构建平台包括: Coze:新一代一站式 AI Bot 开发平台,集成丰富插件工具拓展 Bot 能力。 Microsoft 的 Copilot Studio:具备外挂数据、定义流程、调用 API 和操作等功能,并能部署到多种渠道。 文心智能体:百度推出的基于文心大模型的智能体平台。 MindOS 的 Agent 平台:允许用户定义 Agent 的个性、动机、知识等,并能访问第三方数据和服务或执行工作流。 斑头雁:2B 基于企业知识库构建专属 AI Agent 的平台,适用于多种场景,提供多种成熟模板。 钉钉 AI 超级助理:依托钉钉优势,在处理高频工作场景表现出色。 大型语言模型置于 Agent 的“大脑”或“控制器”核心位置,赋予强大语言理解和生成能力。通过多模态感知技术和工具利用策略扩展感知和行动范围,采用思维链和问题分解技术展现出推理和规划能力,能从反馈中学习并与环境互动,在软件开发、科学研究等现实世界场景中得到应用,还能与其他 Agent 交流协作。
2024-09-11
AI能够取代人类的什么工作场景,请简单举个实际的例子
AI 能够在一些工作场景中取代人类,例如: 在一些重复性高、规律性强的工作中,如数据录入、文件整理等,AI 可以更高效地完成任务。 某些简单的客服工作,AI 能够根据预设的回答模式处理常见问题。 不过,AI 无法完全取代需要人际交往、团队领导和复杂决策制定的角色。像云架构师、网络架构师和企业架构师等职位,不仅需要技术知识,更需要与人沟通、管理利益相关者和领导团队的能力。此外,企业领导者在利用 AI 提高工作效率的同时,仍需将更多精力投入到创新和战略规划上。 同时,知名投资机构 Nfx 在他们最新的《The AI Workforce is Here:The Rise of a New Labor Market》中提到,Sam Altman 经常提到 AGI 到来的定义之一就是 AI 能替代百分之七十的人类工作。现在 AI 正在强制逆转 SaaS 这个缩写的含义,从“软件即服务”转变为“服务即软件”,软件既能组织任务,也能执行任务,无需雇佣额外劳动力,传统的劳动力市场最终将和软件融合成为一个新市场。
2024-09-04
向量数据库高效储存是什么意思 举个例子
向量数据库高效储存指的是专门用于存储高维向量,以实现快速准确的相似性搜索。在人工智能领域,尤其是自然语言处理和计算机视觉等方面,模型会生成并处理大量高维向量,传统数据库难以有效应对,向量数据库则为这些应用提供了高度优化的环境。 例如,像 GPT3 这样的大型语言模型,有 1750 亿个参数,会产生大量向量化数据,传统数据库很难有效处理,而向量数据库能够有效地管理和查询这些向量。 从系统角度看,预处理管道中向量数据库至关重要,负责高效存储、比较和检索多达数十亿的嵌入(即向量)。市场上常见的选择如 Pinecone,完全由云托管,容易上手,具备大型企业在生产中所需的多种功能。同时,还有 Weaviate、Vespa 和 Qdrant 等开源系统,通常具有出色的单节点性能,可针对特定应用定制;Chroma 和 Faiss 等本地向量管理库,有丰富的开发人员经验,便于启动小型应用程序和开发实验;pgvector 之类的 OLTP 扩展,对于特定开发人员和企业也是一种解决方案。 向量存储是用于存储和检索文本嵌入向量的工具,这些向量是文本数据的数值表示,能让计算机理解和处理自然语言。其主要功能包括高效存储大量文本向量、快速检索相似文本向量以及支持复杂的查询操作,如范围搜索和最近邻搜索。
2024-08-27
使用AI赚钱的方法
以下是一些使用 AI 赚钱的方法: 1. 艺术创作:生成式 AI 可用于内容创作,如通过像 Lensa 这样的应用生成肖像画等,从消费者“仅为了娱乐”地创造内容,到创作者或个体创业者通过内容实现盈利。 2. 就业于相关岗位:学会 AI 技术,如成为数据科学家、机器学习工程师等,在相关岗位工作获得不错的收入。AI 技术在金融、医疗、制造业等各行各业都有应用,掌握 AI 技能可增加就业机会和职业发展可能性。 3. 开发 AI 产品或应用:例如创建自己的 GPTs 等,但大多数人可能难以成功,需要综合考虑多种因素,如对市场和商业的理解等。
2024-11-05
如何使用ai写文献综述,保证参考文献有正确出处
利用 AI 写文献综述并保证参考文献有正确出处,可以按照以下步骤进行: 1. 确定课题主题:明确您的研究兴趣和目标,选择具有研究价值和创新性的主题。 2. 收集背景资料:使用 AI 工具如学术搜索引擎和文献管理软件来搜集相关的研究文献和资料。 3. 分析和总结信息:利用 AI 文本分析工具来分析收集到的资料,提取关键信息和主要观点。 4. 生成大纲:使用 AI 写作助手生成课题的大纲,包括引言、文献综述、方法论、结果和讨论等部分。 5. 撰写文献综述:利用 AI 工具来帮助撰写文献综述部分,确保内容的准确性和完整性。 6. 构建方法论:根据研究需求,利用 AI 建议的方法和技术来设计研究方法。 7. 数据分析:如果课题涉及数据收集和分析,可以使用 AI 数据分析工具来处理和解释数据。 8. 撰写和编辑:利用 AI 写作工具来撰写课题的各个部分,并进行语法和风格的检查。 9. 生成参考文献:使用 AI 文献管理工具来生成正确的参考文献格式。 10. 审阅和修改:利用 AI 审阅工具来检查课题的逻辑性和一致性,并根据反馈进行修改。 11. 提交前的检查:最后,使用 AI 抄袭检测工具来确保课题的原创性,并进行最后的格式调整。 需要注意的是,AI 工具可以作为辅助,但不能完全替代研究者的专业判断和创造性思维。在使用 AI 进行课题写作时,应保持批判性思维,并确保研究的质量和学术诚信。
2024-11-05
AI Agent 规划是什么,怎么使用
AI Agent 规划是一个复杂但关键的概念,主要包括以下方面: 自行规划任务执行的工作流路径,适用于简单或线性流程的运行。例如,先识别男孩的姿势,再利用相关模型合成新的女孩图像,接着使用特定模型处理,最后进行语音合成输出。 包含子目标分解、反思与改进。子目标分解将大型任务分解为较小可管理的子目标,以处理复杂任务。反思与改进则可以对过去的行动进行自我批评和自我反思,从错误中学习并改进未来的步骤,从而提高最终结果的质量。 规划通常涉及五种主要方法: 任务分解:将复杂任务分解为简单子任务以简化问题,如 CoT(2022)、ReAct(2022)、HuggingGPT(2023)等。 多计划选择:生成多个备选计划并通过搜索算法选择最优计划执行,如 ToT(2023)、GoT(2023)、LLMMCTS(2023)。 外部模块辅助规划:引入外部规划器来提升规划过程,解决效率和可行性问题,如 LLM+P(2023)、LLMDP(2023)、DRRN(2015)。 反思与细化:通过反思和细化提高规划能力,纠正错误,如 Reflexion(2023)、CRITIC(2023)、SelfRefine(2023)。 记忆增强规划:利用额外记忆模块增强规划能力,存储有价值的信息,如 REMEMBER(2023)、MemoryBank(2023)。 在使用方面,AI Agent 的规划可以帮助其更高效、准确地完成任务,例如在多角色协作的场景中,不同角色的 Agent 相互协作,根据需求共同开发一个应用或者复杂程序。同时,OpenAI 的研究主管 Lilian Weng 提出了“Agent = LLM + 规划 + 记忆 + 工具使用”的基础架构,其中大模型 LLM 扮演了 Agent 的“大脑”。
2024-11-05
如何注册使用claude
Claude AI 是一款由 Anthropic 公司开发的 AI 助手,是基于自然语言处理技术和人工智能算法的聊天机器人,以开创性计算机科学家克劳德·香农(Claude Shannon)的名字命名,利用先进的机器学习技术、自然语言处理和深度学习算法,为各种应用提供支持,包括但不限于数据分析、自动化和个性化辅助。 要注册 Claude.ai,可按以下步骤进行: 1. 访问 Claude 的官方网站。 2. 点击注册或登录界面中的“Sign Up”或“Continue with email”选项。 3. 填写邮箱地址并设置密码,然后提交表单。 4. 系统会向邮箱发送一封验证邮件,打开邮件并使用其中的验证码完成邮箱验证。 如果在注册过程中遇到需要海外手机号接收验证码的问题,可能的解决方案有: 1. 使用虚拟海外号服务,如 SMSActivate、SMSPool 等,购买一个海外虚拟手机号来接收 Claude 的验证码。 2. 借助第三方服务网站如 uiuihao.com 完成注册您的 Claude 账号。 3. 如有海外朋友,可请他们帮忙接收验证码,并将验证码告知您。 完成注册后,若希望升级到 Claude Pro 版本以获取更强大的功能和更高的 API 调用限额,需要填写支付信息并选择一个合适的订阅计划。值得注意的是,订阅 Claude Pro 可能需要使用海外支付方式。 请注意,Claude.ai 目前处于公开测试阶段,未付费用户使用平台可能会受到一些限制。若在注册过程中遇到问题,可参考其他用户分享的详细注册教程和解决策略。
2024-11-04
小白如何学习ai使用呢
对于小白学习 AI 的使用,以下是一些建议: 1. 了解 AI 基本概念: 建议阅读「」部分,熟悉 AI 的术语和基础概念,包括其主要分支(如机器学习、深度学习、自然语言处理等)以及它们之间的联系。 浏览入门文章,了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅: 在「」中,您能找到一系列为初学者设计的课程,特别推荐李宏毅老师的课程。 通过在线教育平台(如 Coursera、edX、Udacity)上的课程,按照自己的节奏学习,并有机会获得证书。 3. 选择感兴趣的模块深入学习: AI 领域广泛,比如图像、音乐、视频等,您可以根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧,它上手容易且很有用。 4. 实践和尝试: 理论学习之后,实践是巩固知识的关键,尝试使用各种产品做出您的作品。 在知识库提供了很多大家实践后的作品、文章分享,欢迎您实践后的分享。 5. 体验 AI 产品: 与现有的 AI 产品进行互动,如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人,了解它们的工作原理和交互方式。 此外,对于技术纯小白用 AI 开发真正的应用,您可以参考以下经验: 1. 从小白学代码,看 AI 时代人类导师和硅基助教的协作之道: 像案例中作者的女儿,在 Claude 和作者的帮助下,用 Unity 开发了一个 RPG 小游戏。起初作者不相信纯小白能通过 AI 搞定 Unity 程序,但女儿通过让 Claude 教她做一个简单任务,明白了 Unity 里的基本概念。 开发过程有顺利也有挫折,挫折原因包括问题描述不清楚、AI 给的方案复杂、配置错误等。这让作者意识到小白需要通过 AI 能直接搞定的小项目,来先学明白背后的原理,在此基础上才能开发复杂项目。最好有人类导师,一开始把任务拆解到足够小,针对性地设计学习路径,并密切关注随时从坑里捞人。 2. 基础小任务: 推荐从一个最最基础的小任务开始,让 AI 先帮您按照 best practice 写一个 say hello 的示例程序,并解释每个文件的作用及程序运行的逻辑。这样可以学会必备的调试技能。 如果用的是 o1mini,可以在 prompt 最后添加“请生成 create.sh 脚本,运行脚本就能直接创建插件所需要的所有文件。请教我如何运行脚本。”(如果 windows 机器则是 create.cmd),足够勤勉的 o1mini 会为您生成一段超级长的代码,并给出提示,您只需要复制粘贴并执行,一次性生成十多个目录和文件,超方便。 3. 明确项目需求: 通过和 AI 的对话,来逐步明确项目需求。 让 AI 帮助梳理出产品需求文档,这样的文档会包含影响技术方案选择的细节,比直接给 AI 一段口头的需求描述要准确得多。在后续开发的时候每次新起一个聊天就把文档发给 AI 并告知您现在在做第几点功能,会非常方便。
2024-11-04
如何使用AI
使用 AI 的方式多种多样,以下为您介绍一些常见的应用场景和方法: 在编程方面: 这两年 AI 发展迅猛,其作为编程助手能改变工作方式,提供实时建议和解决方案。在配置 AI 插件前,需先安装 python 的运行环境,具体步骤为:点击左上角的 File Settings Plugins Marketplace。安装完成插件会提示登录,按要求注册登录即可。使用上和 Fitten 差不多。 在阿里巴巴营销技巧和产品页面优化方面: 使用 AI 来完成阿里巴巴营销技巧和产品页面优化,可以采取以下步骤: 1. 市场分析:利用 AI 分析工具研究市场趋势、消费者行为和竞争对手情况,快速识别关键信息。 2. 关键词优化:AI 分析和推荐高流量、高转化的关键词,优化产品标题和描述。 3. 产品页面设计:AI 设计工具根据市场趋势和用户偏好生成吸引人的产品页面布局。 4. 内容生成:AI 文案工具撰写有说服力的产品描述和营销文案。 5. 图像识别和优化:AI 图像识别技术帮助选择或生成高质量产品图片。 6. 价格策略:AI 分析不同价格点对销量的影响,制定有竞争力的价格策略。 7. 客户反馈分析:AI 分析客户评价和反馈,优化产品和服务。 8. 个性化推荐:AI 根据用户购买历史和偏好提供个性化产品推荐。 9. 聊天机器人:AI 驱动的聊天机器人提供 24/7 客户服务。 10. 营销活动分析:AI 分析不同营销活动效果。 11. 库存管理:AI 帮助预测需求,优化库存管理。 12. 支付和交易优化:AI 分析不同支付方式对交易成功率的影响,优化支付流程。 13. 社交媒体营销:AI 帮助在社交媒体上找到目标客户群体,精准营销提高品牌知名度。 14. 直播和视频营销:AI 分析观众行为,优化直播和视频内容。 在写课题方面: 利用 AI 技术辅助写作课题可按以下步骤进行: 1. 确定课题主题:明确研究兴趣和目标,选择有研究价值和创新性的主题。 2. 收集背景资料:使用 AI 工具如学术搜索引擎和文献管理软件搜集相关研究文献和资料。 3. 分析和总结信息:利用 AI 文本分析工具分析收集的资料,提取关键信息和主要观点。 4. 生成大纲:使用 AI 写作助手生成课题大纲,包括引言、文献综述、方法论、结果和讨论等部分。 5. 撰写文献综述:利用 AI 工具帮助撰写,确保内容准确完整。 6. 构建方法论:根据研究需求,利用 AI 建议的方法和技术设计研究方法。 7. 数据分析:若课题涉及数据收集和分析,使用 AI 数据分析工具处理和解释数据。 8. 撰写和编辑:利用 AI 写作工具撰写课题各部分,并检查语法和风格。 9. 生成参考文献:使用 AI 文献管理工具生成正确参考文献格式。 10. 审阅和修改:利用 AI 审阅工具检查课题逻辑性和一致性,并根据反馈修改。 11. 提交前的检查:使用 AI 抄袭检测工具确保课题原创性,进行最后的格式调整。 需要注意的是,AI 工具可作为辅助,但不能完全替代研究者的专业判断和创造性思维。在使用 AI 时,应保持批判性思维,并确保研究的质量和学术诚信。
2024-11-04