LangGraph – 基于图结构构建与部署多代理动态工作流的开源框架

LangGraph是什么

LangGraph是为构建状态化、多智能体（Multi-Agent） 系统而设计的，特别是与大型语言模型（LLMs）一起使用时，用在创建代理和多代理工作流。作为 LangChain 生态系统的一部分，LangGraph 是图结构的 Agent 框架。LangGraph的核心优势包括支持循环、可控性和持久性，支持定义涉及循环的流程，提供细粒度的流程和状态控制，及内置的持久性功能，支持高级的人工干预和记忆功能。LangGraph平台是一个商业解决方案，用在将应用程序部署到生产环境。

LangGraph的主要功能

• 循环和分支：支持在应用程序中实现循环和条件逻辑，对于构建复杂的代理架构至关重要。
• 持久性：在图的每一步之后自动保存状态，支持在任何点暂停和恢复图的执行，以支持错误恢复、人工干预工作流、时间旅行等功能。
• 人工干预：LangGraph能中断图的执行，用便人工批准或编辑代理计划的下一个行动。
• 流式支持：支持按每个节点生成的顺序流式传输输出，包括令牌流。
• 与LangChain集成：LangGraph与LangChain和LangSmith无缝集成，但也能独立使用。

LangGraph的技术原理

• 状态管理：LangGraph中的每个图执行都能创建一个状态，状态在图的节点之间传递，在每个节点执行后基于返回值更新内部状态。
• 节点和边：LangGraph用节点表示执行的步骤，边定义节点之间的执行顺序和条件。
• 条件边：LangGraph支持条件边，下一个节点的执行取决于图的状态。
• 图类型：支持选择不同类型的图定义状态更新的方式，或用自定义函数定义。
• 内存和持久性：基于内置的持久性功能，如MemorySaver，保存状态，在不同的执行之间保持上下文。
• 与LLMs的集成：与大型语言模型（LLMs）一起工作，支持模型调用定义的工具，根据模型的输出决定下一步的行动。

LangGraph的项目地址

• 项目官网：langchain-ai.github.io/langgraph
• GitHub仓库：https://github.com/langchain-ai/langgraph

LangGraph的应用场景

• 客户服务自动化：构建聊天机器人和虚拟助手，自动化客户服务流程，提供个性化的客户支持。
• 数据检索和分析：创建能执行复杂数据检索和分析任务的代理，例如，根据用户查询自动从多个数据源中提取和汇总信息。
• 业务流程自动化：在企业中自动化复杂的业务流程，如订单处理、库存管理和供应链协调，提高效率和减少错误。
• 个性化推荐系统：开发根据用户行为和偏好提供个性化推荐和建议的系统。
• 自然语言处理（NLP）任务：执行复杂的NLP任务，如语言翻译、文本摘要、情感分析等。