Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

给个使用langgraph的例子

Answer

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。

Content generated by AI large model, please carefully verify (powered by aily)

References

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!

Others are asking
请给我整理一套怎么才能学习和使用AI的方法,列举几个例子是怎么能快速的理解ai的发展历史及原理
以下是一套学习和使用 AI 的方法,以及帮助您快速理解 AI 发展历史及原理的途径: 一、学习 AI 的方法 1. 了解 AI 基本概念 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,找到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),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。 二、快速理解 AI 发展历史及原理的途径 1. AI 背景知识 基础理论:了解人工智能、机器学习、深度学习的定义及其之间的关系。 历史发展:简要回顾 AI 的发展历程和重要里程碑。 2. 数学基础 统计学基础:熟悉均值、中位数、方差等统计概念。 线性代数:了解向量、矩阵等线性代数基本概念。 概率论:基础的概率论知识,如条件概率、贝叶斯定理。 3. 算法和模型 监督学习:了解常用算法,如线性回归、决策树、支持向量机(SVM)。 无监督学习:熟悉聚类、降维等算法。 强化学习:简介强化学习的基本概念。 4. 评估和调优 性能评估:了解如何评估模型性能,包括交叉验证、精确度、召回率等。 模型调优:学习如何使用网格搜索等技术优化模型参数。 5. 神经网络基础 网络结构:理解神经网络的基本结构,包括前馈网络、卷积神经网络(CNN)、循环神经网络(RNN)。 激活函数:了解常用的激活函数,如 ReLU、Sigmoid、Tanh。 无论是技术研究还是应用实践,数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态,并结合实际问题进行实践锻炼。
2025-02-07
深度学习跟机器学习有啥区别呀?能不能举个通俗易懂的例子
深度学习和机器学习的区别主要体现在以下几个方面: 1. 学习方式:机器学习通常需要人工选择和设计特征,而深度学习能够自动从数据中学习特征。 2. 模型结构:机器学习模型相对简单,深度学习则使用多层的神经网络,结构更复杂。 3. 数据处理能力:深度学习能够处理更大量和更复杂的数据模式。 例如,在图像识别任务中,如果使用机器学习,可能需要人工提取图像的颜色、形状等特征,然后基于这些特征进行分类。但在深度学习中,神经网络可以自动从大量的图像数据中学习到有效的特征表示,从而实现更准确的分类。 机器学习是人工智能的一个子领域,让计算机通过数据学习来提高性能,不是直接编程告诉计算机如何完成任务,而是提供数据让机器找出隐藏模式或规律,然后用这些规律预测新的未知数据。 深度学习是机器学习的一个子领域,模拟人脑工作方式,创建人工神经网络处理数据,包含多个处理层,能学习和表示大量复杂模式,在图像识别、语音识别和自然语言处理等任务中非常有效。 大语言模型是深度学习在自然语言处理领域的应用之一,目标是理解和生成人类语言,需要在大量文本数据上训练,如 ChatGPT、文心一言。同时,大语言模型具有生成式 AI 的特点,不仅能理解和分析数据,还能创造新的独特输出。
2025-01-21
国内coze调用api的例子
以下是国内 Coze 调用 API 的一些例子: 1. 通过已有服务 API 创建插件: 进入 Coze 个人空间,选择插件,新建一个插件并命名,如 api_1。 在插件的 URL 部分,填入 Ngrok 随机生成的 https 链接地址。 按照 Coze 的指引配置输出参数,测试后发布插件。 2. 手捏简单的 Bot 并接入创建的插件:创建测试 API 的 Bot,将创建的 api_1 插件接入,在 prompt 里让其调用插件。 3. 测试 AI Bot 时可能遇到的情况:Coze 国内版刚发布不久,有些官方和第三方插件的 API 调用和返回结果不太稳定,可能出现回答不完整的情况,但相信官方会尽快解决。 4. 获取 Coze 的 accessToken 和 botid: 获取 accessToken:在 Coze 界面右侧扣子 API 授权,或者打开链接 https://www.coze.cn/open/oauth/pats,添加令牌,设置名称、过期时间和权限,完成后点击确定按钮并复制下拉令牌。 获取 botid:通过工作空间获取,从“工作空间”打开一个 bot,点击商店按钮查看地址栏中的数字即为 botid。 发布为 bot api:注意在前端使用 bot 必须发布成为 API,点击发布并选择 API,等待审核通过后可按上述方法拿到 botid。 获取空间 id:进入 Coze 后,左边打开工作空间,找到 url 中的 id 并复制。
2025-01-12
谈谈医疗人工智能的风险及其法律防范,举一个具体例子,如影响肿瘤外科内科
医疗人工智能在带来诸多益处的同时,也存在新的风险。以下为您举例说明其风险及法律防范: 以自动化医疗分诊系统为例,其具有适应性和自主性。适应性方面,它能基于对医疗数据集、患者记录和实时健康数据的分析来预测患者病情;自主性方面,它能为医疗专业人员或直接为患者生成有关症状可能原因的信息,并推荐潜在的干预和治疗措施。 然而,这也带来了一些风险和监管问题。比如,若该系统提供了错误的医疗建议,导致患者出现负面健康结果,责任归属不明确,影响患者获得赔偿。 在法律防范方面,需要明确此类系统的责任界定,制定相关法律法规,确保患者在因错误建议受到损害时能够获得有效的救济。同时,应加强对医疗人工智能系统的监管和评估,确保其准确性和可靠性。
2025-01-02
帮我想想三年内有争议有公众性时效性的新闻评议选题,关于无人驾驶的,贴近生活,有新意。 例子:《强制加班不应该成为企业文化》《不敢看体检报告,是我们这一代人的命吗》《理发师因听得懂话爆火,这份作业值得抄》《“网红探墓”别“自挖坟墓”》《大学生挂科8门后离奇失踪,学校有责任吗》《不招疫情班应届生,一种赤裸裸的求职歧视》
以下是为您提供的一些关于无人驾驶三年内有争议、有公众性时效性且贴近生活、有新意的新闻评议选题: 1. 《无人驾驶汽车事故频发,谁来负责?》 2. 《无人驾驶能否解决城市交通拥堵难题?》 3. 《无人驾驶普及,传统司机将何去何从?》 4. 《无人驾驶技术,是便利还是安全隐患?》 5. 《无人驾驶车辆的隐私保护,你放心吗?》 6. 《无人驾驶时代,驾照是否会成为历史?》 7. 《无人驾驶汽车的保险政策,公平吗?》 8. 《无人驾驶上路,行人安全如何保障?》 9. 《无人驾驶出租车,你敢坐吗?》 10. 《无人驾驶公交,能否改变城市出行方式?》
2024-12-05
如何用国内版coze的api,能举两个例子吗?
以下是两个关于国内版 Coze 的 API 使用示例: 1. 创建自己的插件: 进入 Coze 的个人空间,选择插件,新建一个插件并命名,例如 api_1。 在插件的 URL 部分,填入通过 Ngrok 随机生成的 https 链接地址。 按照 Coze 的指引配置输出参数,测试后发布插件。 基于创建好的插件,创建一个测试 api 的 bot,并将创建的插件接进来,在 prompt 里设置调用插件。 2. 打造微信图片助手: 确保已掌握通过 COW 接入微信机器人的方式,并在 chatgptonwechat 中的 config.json 中配置好自己的 Coze API Key 和 Coze Bot ID。 利用 Coze 新发布的 API 更新中的多模态对话和知识库修改能力,为接入微信的 Bot 增加图片相关功能,如总结图片内容、重绘图片风格等。
2024-12-03
我想做一个产品(生涯规划领域的垂直大模型),这个产品服务的对象是所有人:帮助所有人进行更好的职业规划。每个人都能通过使用这个产品更好地了解自己,了解自己的天赋、兴趣、优势,然后找到自己的热爱的领域和热爱的事业,并且能够个性化地推荐相关的行业和职业,包括职业的主要工作内容和核心能力要求等等。 请对这个产品进行可行性分析,并给出产品的发展规划,别忘了给这个项目起一个名字。
以下是对您提出的生涯规划领域垂直大模型产品的可行性分析和发展规划,并为项目取名为“生涯智途”。 可行性分析: 1. 需求广泛:帮助人们进行职业规划是一个普遍存在的需求,涵盖了各个年龄段和职业阶段的人群。 2. 数据可用性:可以通过各种渠道收集大量与职业相关的数据,包括行业报告、职位描述、人才需求等。 3. 技术支持:当前大模型技术的发展为实现这样的产品提供了可能,能够处理和分析大量复杂的数据。 发展规划: 1. 数据收集与整理:广泛收集各类职业数据,建立丰富的数据库,确保数据的准确性和完整性。 2. 模型训练与优化:利用收集到的数据进行模型训练,不断优化模型,提高预测和推荐的准确性。 3. 功能开发: 个性化测评:开发能够准确评估用户天赋、兴趣、优势的功能模块。 精准推荐:根据用户的特点,提供个性化的行业和职业推荐,并详细介绍职业的工作内容和核心能力要求。 持续学习与更新:随着行业变化,及时更新数据和模型,以提供最新的职业信息。 4. 用户体验优化:设计简洁、易用的界面,提供良好的用户交互体验。 5. 市场推广:通过线上线下多种渠道进行推广,提高产品的知名度和用户覆盖面。 希望以上分析和规划对您有所帮助。
2025-02-18
请介绍一下如何使用AI进行PPT生成
以下是使用 AI 进行 PPT 生成的方法: 1. 利用闪击: 访问国内网站 https://ppt.isheji.com/?code=ysslhaqllp&as=invite ,无需魔法。 选择模板。 将准备的大纲转换成适配闪击的语法,可参考官方使用指南:https://zhuanlan.zhihu.com/p/607583650 。 点击文本转 PPT,并在提示框中选择确定,得到转换后的 PPT。 可在线编辑,但导出有会员限制。 2. 以爱设计为例: 导入大纲到工具生成 PPT,其他工具操作方式大同小异,基本基于 Markdown 语法的内容来完成 PPT 生成。 优化整体结构,按照公司要求自行优化字体、图片等元素,针对下载后的 PPT 可删改内容。 3. 结合 GPT4、WPS AI 和 chatPPT: 先让 GPT4 生成 PPT 大纲。 把大纲导入到 WPS 当中,启用 WPS AI 一键生成 PPT。 让 chatPPT 添加一些动画。 手动修改细节,如字体、事实性错误等。
2025-02-18
动漫制作中如何使用ai辅助工作
在动漫制作中使用 AI 辅助工作,大致流程如下: 1. 面临时间和金钱的双重压力,需找到适合的制作捷径。AI 目前主要是辅助工具,负责搞定图和片,其他部分仍依赖人工。 2. 效率至关重要。和视频相关的所有内容、资料都记录在飞书文档里。 3. 分工方面,有人负责前期的内容构思和脚本编写,有人主要负责图片、视频生成和视频剪辑。 4. Midjourney 提示词围绕皮克斯、迪士尼、3D 风格来写,例如:"a small white Chiense dragon,anthropomorphic,Smile with surprise,wearing a school uniform,looking at a blurry gift box in the foreground,super closeup shot,camera focus on his face,3D render,Unreal Engine,Pixar 3D style,blurry classroom scene,bright sunshinear 16:9niji 6",重点是"a small white Chiense dragon,anthropomorphic,3D render,Unreal Engine,Pixar 3D style",尺寸比例 16:9,模型选择 niji 6,其他根据需求调整。 5. 动画制作主要使用 Runway,因其控制笔刷有优势。
2025-02-18
哪一款AI 可以实现参考一张柱状图,使用我提供的数据,生成同样的柱状图
以下两款 AI 可以实现参考一张柱状图,使用您提供的数据生成同样的柱状图: 1. PandasAI:这是让 Pandas DataFrame“学会说人话”的工具,在 GitHub 已收获 5.4k+星。它并非 Pandas 的替代品,而是将 Pandas 转换为“聊天机器人”,用户可以以 Pandas DataFrame 的形式提出有关数据的问题,它会以自然语言、表格或者图表等形式进行回答。目前仅支持 GPT 模型,OpenAI API key 需自备。例如,输入“pandas_ai.run”,即可生成相关柱状图。链接:https://github.com/gventuri/pandasai 2. DataSquirrel:这是一款自动进行数据清理并可视化执行过程的数据分析工具,能帮助用户在无需公式、宏或代码的情况下快速将原始数据转化为可使用的分析/报告。目前平台提供的用例涵盖了 B2B 电子商务、人力资源、财务会计和调查数据分析行业。平台符合 GDPR/PDPA 标准。链接:https://datasquirrel.ai/
2025-02-18
deepseek使用小技巧
以下是关于 DeepSeek 使用的一些小技巧: 1. 高阶能力调用: 文风转换矩阵:包括作家风格移植(如“用鲁迅杂文风格写职场 PUA 现象”)、文体杂交(如“将产品说明书改写成《史记》列传格式”)、学术口语化(如“把这篇论文摘要翻译成菜市场大妈能听懂的话”)。 领域穿透技术。 2. 场景化实战策略:包括商业决策支持、创意内容生成、技术方案论证。 3. 效能增强技巧: 对话记忆管理:如上下文锚定(“记住当前讨论的芯片型号是麒麟 9010”)、信息回溯(“请复述之前确认的三个设计原则”)、焦点重置(“回到最初讨论的供应链问题”)。 输出质量控制:针对不同问题类型进行修正,如过度抽象(“请具体说明第三步操作中的温度控制参数”)、信息过载(“用电梯演讲格式重新组织结论”)、风格偏移(“回归商务报告语气,删除比喻修辞”)。 4. 特殊场景解决方案: 长文本创作:如分段接力法(“先完成故事大纲→逐章扩展→最后进行伏笔校验”)、逻辑粘合剂(“确保新章节与前文的三处细节呼应”)。 敏感内容处理:如概念脱敏法(“用经济学原理类比说明网络审查机制”)、场景移植法(“假设在火星殖民地讨论该议题”)。 5. 通用于任何大模型的提示词针对性技巧: 身份定位技巧:目的是让 AI 理解您的背景和专业水平,例如“作为一名刚入职的电商运营,需要为天猫美妆店铺制定 618 活动方案”。 场景描述技巧:提供具体的应用场景和限制条件,例如“为新上市的儿童智能手表写一篇朋友圈文案,目标用户是 25 35 岁的年轻父母,预算 3000 以内,需强调安全定位功能”。 结构化输出技巧:指定具体的输出格式和内容结构,例如“请用表格对比 2024 年 Q1 特斯拉、比亚迪的销量数据,包含以下维度:月度销量、同比增长、市场份额,并在表格下方总结三个关键发现”。 分步骤提问技巧:将复杂问题拆解为可管理的小任务,例如“请分三步指导新手做美食短视频:前期准备:需要哪些设备和技能 拍摄阶段:关键场景和机位选择 后期制作:剪辑节奏和音乐配合建议”。 反馈优化技巧:通过追问获得更精准的答案。 深度思考引导技巧:获得更深入的分析和见解。 6. 万能提示词:您是一名顶尖的提示词优化专家,请按以下步骤优化下方提示: 分析原提示的模糊性、冗余项和潜在歧义。 基于,重构提示结构(可参考 CRISPE/BROKE 框架)。 生成 3 个优化版本,并解释每版的改进逻辑。 7. 如果官网的搜索不能用,一直崩溃,可以用火山的满血版,在视频的最后 10 分钟左右有手把手教程。 8. 关于 DeepSeek 的论文解读,有直播视频回放和相关论文下载,如。
2025-02-18
deepseek使用说明
DeepSeek 的使用说明如下: 功能:能进行自然语言理解与分析、编程、绘图,如 SVG、MA Max 图表、react 图表等。 使用优势:可以用更少的词让模型做更多事,思维发散,能给出创意思路和高级内容。 存在问题:思维链长不易控制,可能输出看不懂或胡编乱造的内容,增加纠错成本。 审核方法:可以用其他大模型来解读 DP 模型给出的内容。 使用建议:使用时要有自己的思维雏形,多看思考过程,避免被模型冲刷原有认知。 使用场景:包括阅读、育儿、写作、随意交流等方面。 生成单词:输入单词主题、图片风格、单词数量,选择 deepseekr1 模型,可生成指定数量的单词数组,以数组方式输出,包括单词、中文、美式音标、英文句子及其中文翻译。提示词方面,作为专业的单词生成助手,要围绕用户输入主题挖掘相关英语单词,仅输出相关内容,并以规定的数组形式呈现。 产品情况:Deep Research 是基于 AI 模型的产品,使用 GPT4o、o3 等推理模型,结合 UI 交互、搜索引擎等。DeepSeek 只是品牌名,需要搭配具体模型,如 DeepSeek V3(类 GPT4o)和 DeepSeek R1(类 OpenAI o1)。
2025-02-18