網易云音樂 API開放平臺訪問token分步指南
LangGraph 工作流程
LangGraph 闡明了 AI 工作流程中的流程，使代理的狀態完全透明。在 LangGraph 中，“狀態”功能充當存儲庫，記錄并追蹤 AI 系統處理的所有有價值的信息。它類似于一個數字筆記本，系統在工作流程或圖形分析的各個階段中捕獲并更新數據。
例如，如果您正在運行代理來監控天氣，此功能可以跟蹤降雪次數，并根據降雪趨勢的變化提出建議。這種系統如何完成復雜任務的可觀察性，有助于初學者更好地理解狀態管理。狀態管理在調試方面非常有用，因為它可以將應用程序的狀態集中起來，從而通?？s短整個調試過程。
這種方法可以提高決策效率、可擴展性和整體績效。它還能讓那些可能不熟悉這些流程或希望更清楚地了解幕后情況的個人更多地參與進來。
LangGraph 還基于多項關鍵技術構建，其中包括用于構建 AI 應用程序的 Python 框架LangChain。LangChain包含一個用于構建和管理LLM 的庫。LangGraph 還采用了人機交互 (Human-in-the-loop) 方法。通過將這些技術與一系列 API 和工具相結合，LangGraph 為用戶提供了一個多功能平臺，用于開發 AI 解決方案和工作流程，包括聊天機器人、狀態圖和其他基于代理的系統。
通過探索 LangGraph 的主要功能、優勢和用例，深入了解它。閱讀完本文后，您將掌握必要的知識和資源，從而更好地使用 LangGraph。
首先，讓我們了解一下 LangGraph 的關鍵組件。該框架由幾個關鍵組件構建而成，這些組件協同工作，使用戶能夠創建和管理復雜的 AI 工作流。這些組件包括：
人機在環：人機在環（HITL） 指的是在流程的某個階段需要人機交互。在機器學習(ML) 領域，HITL 指的是一種協作過程，在構建模型的過程中，人類會增強機器的計算能力，使其能夠做出明智的決策。通過使用最關鍵的數據點，HITL 可以提高機器學習算法的準確性，超越隨機采樣方法。
狀態圖：圖中的每個節點代表計算中的一個步驟，本質上是一個狀態圖。這種狀態方法允許圖保留先前步驟的信息，從而能夠在計算過程中持續且關聯地處理信息。用戶可以使用 LangGraph 的 API 管理所有狀態圖。
循環圖：循環圖是指任何包含至少一個循環的圖，對于代理運行時至關重要。這意味著存在一條始于同一節點并止于同一節點的路徑，從而在圖中形成一個循環。復雜的工作流通常涉及循環依賴關系，其中一個步驟的結果取決于循環中的先前步驟。
節點：在 LangGraph 中，節點代表 AI 工作流中的各個組件或代理。節點可以被視為以特定方式相互交互的“參與者”。例如，要添加用于工具調用的節點，可以使用 ToolNode。另一個例子，下一個節點指的是將在當前節點之后執行的節點。
邊：邊是 Python 中的一個函數，它根據當前狀態確定下一步要執行哪個節點。邊可以是條件分支，也可以是固定轉換。
RAG：檢索增強生成 (RAG)通過檢索相關文檔將 LLM 的功能與來自外部來源的上下文信息相結合，然后將其用作答案生成的輸入。
工作流：工作流是定義 AI 工作流的節點交互序列。通過將節點排列成工作流，用戶可以創建更復雜、更動態的工作流，并充分利用各個組件的優勢。
API：LangGraph 提供了一組API，使用戶能夠以編程方式與其組件進行交互。用戶可以使用 API 密鑰添加新節點、修改現有工作流以及從 AI 工作流中檢索數據。
LangSmith：LangSmith 是一套專門用于在 LangGraph 中構建和管理 LLM 的 API。它提供了用于初始化 LLM、添加條件邊和優化性能的工具。通過以創新的方式組合這些組件，用戶可以構建更復雜的 AI 工作流，充分利用各個組件的優勢。
LangGraph 采用基于圖的架構，使用戶能夠在不降低速度或犧牲效率的情況下擴展人工智能工作流程。LangGraph 通過對節點之間的復雜關系進行建模來增強決策能力，這意味著它使用 AI 代理來分析其過去的行為和反饋。在 LLM 領域，這個過程被稱為“反射”。
增強決策能力：通過對節點之間的復雜關系進行建模，LangGraph 提供了構建更有效的決策系統的框架。
提高靈活性：開源特性和模塊化設計，方便開發人員集成新組件并調整現有工作流程。
多代理工作流：復雜任務可以通過多代理工作流來處理。這種方法需要為特定任務或領域創建專用的 LangChain 代理。將任務路由到合適的 LangChain 代理，可以并行執行并高效處理各種工作負載。這種多代理網絡架構體現了代理自動化的去中心化協調能力。
Joao Moura 創建的一個很好的例子是將 CrewAI 與 LangChain 和 LangGraph 結合使用。CrewAI 可以自動協調自主 AI 代理，從而自動檢查電子郵件和創建草稿，使它們能夠高效協作并執行復雜任務。
聊天機器人：用戶可以構建一個基于節點的工作流和有向無環圖 (DAG) 的代理應用程序，用于度假規劃。聊天機器人會學習響應最少的用戶輸入并定制推薦。目前，谷歌 Duplex 等服務正在以類似的方式使用 LangGraph 來模擬類似人類的對話。
代理系統：LangGraph 提供了一個構建基于代理的系統的框架，可用于機器人、自動駕駛汽車或視頻游戲等應用。
LLM 應用程序：利用 LangGraph 的功能，開發者可以構建更復雜的 AI 模型，這些模型能夠隨著時間推移不斷學習和改進。挪威郵輪公司使用 LangGraph 來編譯、構建和完善面向賓客的 AI 解決方案。此功能可帶來更卓越、更個性化的賓客體驗。
LangGraph 的代理基于 OpenAI 的 GPT（生成式預訓練 Transformer）模型系列 GPT-3.5 和 GPT-4。然而，LangGraph 及其開源社區也貢獻了其他幾個通過 LLM API 配置初始化的模型，包括 Anthropic 和 AzureChatOpenAI 模型。其相對較小的循環與 Auto-GPT 等項目類似。
LangGraph 在其 GitHub 文檔網站上提供了一個 YouTube 教程，方便用戶探索如何與開源 LLM 集成。集成 LLM 的第一步是設置一個推理存儲庫 (repo)，例如 LLaMA-Factory、FastChat 和 Ollama。此存儲庫支持部署相應的 LLM 模型，該模型可通過其 API 憑據進行配置。
CrewAI、MetaGPT 和 AutoGen 只是少數能夠處理復雜工作流程的多智能體框架。這些框架能夠以更靈活、更細致的方式應對各種計算挑戰。通過提供全面的調試功能，這些框架使開發人員能夠快速識別和解決問題，從而提高開發和優化流程的效率。
LangGraph 還推出了 LangGraph Studio，一個用于工作流開發的可視化界面。使用 LangGraph Studio，用戶可以通過圖形界面設計和構建工作流，而無需編寫代碼?？上螺d的桌面應用程序使 LangGraph Studio 更適合初學者使用。LangGraph Studio 還提供以下附加功能：
學習曲線平緩：無需 LangGraph Studio 即可訪問 LangGraph。然而，通過使用 LangGraph Studio 的可視化界面，用戶可以專注于設計工作流程，而無需陷入代碼的泥潭。
改進的協作：LangGraph Studio 支持與其他人共享工作流程，無論是開發團隊還是客戶。
調試：功能不僅僅限于構建圖表，還包括調試功能，以確保圖表的準確性和可靠性。LangGraph Studio 憑借其先進的集成開發環境 (IDE)，可幫助您可視化和調試 LangGraph 應用程序。
增強的自然語言處理（NLP）：LangGraph 將擁有更先進的NLP功能，使其能夠更好地理解自然語言并提供更準確的響應。
改進的機器學習：LangGraph 將具有改進的機器學習能力，使其能夠隨著時間的推移進行學習和改進。
支持新平臺：LangGraph 將支持新平臺，例如移動設備和邊緣計算，以使其技術更易于訪問。
文章轉載自： 什么是 LangGraph？
