当前位置: 首页 > news >正文

通俗易懂的LangGraph图定义解析

LangGraph 是一个基于状态的工作流框架,它通过 节点(Nodes)边(Edges) 的组合,构建出复杂的工作流逻辑。这种设计特别适合处理需要动态决策、循环、多步骤交互的场景(比如对话系统、智能代理等)。下面我们通过一个简单的例子,逐步讲解 LangGraph 中的图(Graph)是如何定义的。


1. 什么是 StateGraph?

StateGraph 是 LangGraph 的核心类,用于定义和管理基于状态的图结构。它的核心思想是:

  • 节点:表示执行的操作(如调用模型、处理数据)。
  • :定义节点之间的执行顺序(支持无条件跳转、条件跳转、循环)。
  • 状态(State):贯穿整个图的数据结构,存储和传递上下文信息。

举个例子
想象你正在开发一个聊天机器人,用户输入一条消息后,机器人需要依次完成以下步骤:

  1. 解析用户意图(节点A)。
  2. 查询数据库(节点B)。
  3. 生成回复(节点C)。

通过 StateGraph,你可以将这三个步骤定义为节点,并通过边连接它们,同时用状态对象传递上下文(比如用户的消息、查询结果等)。


2. 如何定义一个图?

定义一个图的核心步骤包括:创建状态、添加节点、设置边,并最终编译图。以下是具体操作:

(1) 定义状态

状态是图中传递的数据结构,通常是一个字典(TypedDict 或自定义类)。例如:

from typing_extensions import TypedDict
class State(TypedDict):messages: list  # 存储对话历史query: str      # 用户当前问题
(2) 创建图实例

使用 StateGraph 类初始化一个图:

from langgraph.graph import StateGraph
graph_builder = StateGraph(State)
(3) 添加节点

节点是执行具体任务的函数。例如,添加一个解析用户意图的节点:

def parse_intent(state: State) -> dict:# 假设解析出用户意图是"查询天气"return {"query": "查询天气"}
graph_builder.add_node("parse_intent", parse_intent)
(4) 添加边

边定义了节点的执行顺序。例如,将解析意图节点连接到查询数据库节点:

graph_builder.add_edge("parse_intent", "query_database")
(5) 设置入口和出口

指定图的起点和终点:

graph_builder.set_entry_point("parse_intent")  # 起点
graph_builder.set_finish_point("generate_response")  # 终点
(6) 编译图

将图编译为可执行对象:

compiled_graph = graph_builder.compile()

3. 核心方法详解

LangGraph 提供了多个方法来构建图,以下是关键方法的简明说明:

方法名作用
add_node()添加一个节点到图中。可以指定节点名称和执行函数。
add_edge()添加一条有向边,定义两个节点的执行顺序。如果多个起点,所有起点完成后才会执行终点。
add_conditional_edges()添加条件边,根据状态动态选择下一个节点。例如:根据用户意图跳转到不同的处理节点。
compile()将图编译为可执行对象,支持调用、流式处理等功能。
条件边的使用示例

假设需要根据用户意图选择不同的处理路径:

def decide_next_node(state: State) -> str:if state["query"] == "查询天气":return "query_weather"else:return "handle_other"graph_builder.add_conditional_edges("parse_intent", decide_next_node)

4. 实际应用示例

场景:用户询问订单状态,机器人需要验证身份后查询数据库。

代码实现

from langgraph.graph import StateGraph, START, ENDclass State(TypedDict):user_id: strorder_status: strdef verify_user(state: State) -> dict:# 模拟验证用户身份return {"user_id": "12345"}def query_order(state: State) -> dict:# 模拟查询订单状态return {"order_status": "已发货"}builder = StateGraph(State)
builder.add_node("verify_user", verify_user)
builder.add_node("query_order", query_order)
builder.add_edge(START, "verify_user")
builder.add_edge("verify_user", "query_order")
builder.add_edge("query_order", END)compiled = builder.compile()
result = compiled.invoke({"user_id": "", "order_status": ""})
print(result)  # 输出: {'user_id': '12345', 'order_status': '已发货'}

5. 状态管理的关键技巧
  • 状态更新:每个节点接收当前状态,并返回更新后的状态。例如,节点A修改 state["x"],节点B可以直接读取新值。
  • 状态持久化:通过 checkpointer 参数保存状态,支持断点续传(例如用户中断对话后恢复上下文)。
  • 条件逻辑:利用条件边(add_conditional_edges)动态决定下一步操作,比如根据用户输入选择不同分支。

6. 常见问题与注意事项
  • 节点命名冲突:确保每个节点名称唯一。
  • 状态字段设计:状态字段应包含所有必要的上下文,避免遗漏关键信息。
  • 调试技巧:启用 debug=True 编译图,观察节点执行过程和状态变化。

总结

LangGraph 的 StateGraph 通过节点和边的灵活组合,让开发者能够轻松构建复杂的工作流。无论是简单的线性流程,还是带条件分支、循环的复杂逻辑,StateGraph 都能提供清晰的结构和强大的状态管理能力。通过合理设计状态和节点,你可以快速实现对话系统、智能代理等应用。

http://www.dtcms.com/a/265089.html

相关文章:

  • Git客户端的创建与常用的提交、拉取、修改、推送等命令
  • 【王阳明代数讲义】谷歌编程智能体Gemini CLI 使用指南、架构详解与核心框架分析
  • 带GPU启动 Docker 容器
  • (转)使用DockerCompose部署微服务
  • 使用OpenCV识别图片相似度评分的应用
  • 洪水填充算法详解
  • 基于IndexTTS的零样本语音合成
  • 人脸活体识别4:Android实现人脸眨眼 张嘴 点头 摇头识别(可实时检测)
  • ESP32-s3摄像头驱动开发实战:从零搭建实时图像显示系统
  • sklearn机器学习概述及API详细使用指南
  • LeetCode Hot 100 滑动窗口 【Java和Golang解法】
  • 90.xilinx复位低电平(一般使用低电平复位)
  • 单链表和双向链表
  • python自动化运维
  • Redis基础(2):Redis常见命令
  • 多模态DeepSeek大模型的本地化部署
  • Colormind:优秀大模型赋能国产求解器,打造自主可控建模平台
  • 数学建模_拟合
  • 【Erdas实验教程】026:遥感图像辐射增强(去条带处理)
  • IDEA2025 Version Control 窗口 local changes显示
  • JavaScript 性能优化实战:减少 DOM 操作引发的重排与重绘
  • 操作系统考试大题-处理机调度算法-详解-2
  • 代码实现特殊的字段的基本功能
  • 用Rust编写的开源支付解决方案——Hyperswitch
  • springboot集成达梦数据库,取消MySQL数据库,解决问题和冲突
  • nohup java -jar 命令启动jar包,项目仍然会挂掉或者停止运行的解决方案
  • C++——手撕智能指针、单例模式、线程池、String
  • Vue + RuoYi 前后端分离入门手册
  • [深度学习环境踩坑记录]ubuntu22.04安装RTX3060驱动,黑屏、桌面只有壁纸和鼠标,一顿折腾
  • javaWeb02-Tomcat