LangGraph – 基于图结构构建与部署多代理动态工作流的开源框架

什么是LangGraph？

LangGraph是构建状态化、多智能化的（Multi-Agent） 系统设计，特别是大型语言模型（LLMs）一起使用时，用于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过程，提供细粒度的过程和状态控制，以及内置的持久性功能，支持先进的人工干预和记忆功能。LangGraph平台是将应用程序部署到生产环境中的商业解决方案。

LangGraph的主要功能

• 循环和分支：对于构建复杂的代理架构，支持在应用程序中实现循环和条件逻辑至关重要。
• 持久性：图纸每一步后自动保存状态，支持任何点暂停和恢复图纸的执行，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可以中断地图的执行，以便手动批准或编辑代理计划的下一步行动。
• 流式支持：支持按每个节点生成的顺序流式输出，包括令牌流。
• 与LangChain集成：LangGraph与LangChain和LangSmith无缝集成，但也可独立使用。

LangGraph的技术原理

• 状态管理：LangGraph中的每个图执行都可以在图的节点之间创建一个状态，并在每个节点执行后根据返回值更新内部状态。
• 节点和边：在定义节点之间的执行顺序和条件的同时，LangGraph用节点表示执行步骤。
• 条件边：在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形定义状态更新，或使用自定义函数定义。
• 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。
• 集成LLMS：大型语言模型（LLMs）一起工作，支持模型调用定义工具，根据模型输出决定下一步行动。

LangGraph项目地址

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

LangGraph应用场景

• 自动化客户服务：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：创建能够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总结信息。
• 业务流程自动化：订单处理、库存管理、供应链协调等复杂的业务流程在企业中自动化，提高效率，减少错误。
• 个性化推荐系统：根据用户的行为和偏好，开发个性化的推荐和建议系统。
• 自然语言处理（NLP）任务：语言翻译、文本摘要、情感分析等复杂的NLP任务。