当前位置: 首页 > news >正文

第三版:1、LangGraph之基本介绍+项目生成

LangGraph介绍

LangGraph 专为希望构建强大、适应性强的 AI 智能体的开发者而设计。开发者选择LangGraph 的原因是:

  • 可靠性和可控性:通过审核检查和人工干预审批来指导智能体行为。LangGraph可为长时间运行的工作流持久化上下文,使智能体保持正常运行。
  • 低层级和可扩展性使用完全描述性的低层级原语构建自定义智能体,不受限制自定义的僵化抽象约束。设计可扩展的多智能体系统,其中每个智能体都为您的用例量身定制特定角色。
  • 一流的流式传输支持通过逐令牌流式传输和中间步骤流式传输,LangGraph 让用户实时清晰地了解智能体的推理和行动过程。

LangGraph 支持两种对于构建对话代理至关重要的内存类型:

  • 短期内存:通过在会话中维护消息历史来跟踪正在进行的对话
  • 长期内存:在不同会话之间存储用户特定或应用程序级别的数据。

LangGraph环境配置

LangGraph CLl是一个多平台命令行工具,用于在本地构建和运行LangGraph API服务器。生成的服务器包含您的图的所有运行、线程、助手等的 API端点,以及运行您的代理所需的其他服务,包括用于检查点和存储的托管数据库。

创建 Python 虚拟环境

Python版本:>= 3.11 is required.

virtualenv方式

使用虚拟环境所需依赖

pipinstallvirtualenv

创建并激活环境

# 创建虚拟环境langgraph_envcdD:\Environment\virtual_env virtualenv langgraph_env# 激活环境cdlanggraph_env\Scripts activate

Conda方式

Conda安装参考 配置Python环境之Conda

conda create -n langgraph_envpython=3.13conda activate langgraph_env

安装langgraph-cli

当前官网最新版本为0.4.7,后续版本迭代可查看 langgraph-cli官网

# 激活环境cdD:\Environment\virtual_env\langgraph_env\Scripts activate# 安装LangGraph CLI,可指定版本,"langgraph-cli[inmem]==0.4.7"pipinstall--upgrade"langgraph-cli[inmem]"

LangGraph项目生成

第一步:创建LangGraph项目

命令如下

# 激活环境 cd D:\Environment\virtual_env\langgraph_env\Scripts activate # 新建项目 langgraph new {project_name}

其中{project_name}代表LangGraph项目名称

示例

cdD:\python-project langgraph new langgraph_demo################### output Start #####################🌟 Pleaseselecta template:1. New LangGraph Project - A simple, minimal chatbot with memory.2. ReAct Agent - A simple agent that can be flexibly extended to many tools.3. Memory Agent - A ReAct-style agent with an additional tool to store memoriesforuse across conversational threads.4. Retrieval Agent - An agent that includes a retrieval-based question-answering system.5. Data-enrichment Agent - An agent that performs web searches and organizes its findings into a structured format. Enter the number of your template choice(default is1):1You selected: New LangGraph Project - A simple, minimal chatbot with memory. Choose language(1forPython 🐍,2forJS/TS 🌐):1📥 Attempting to download repository as a ZIP archive... URL: https://github.com/langchain-ai/new-langgraph-project/archive/refs/heads/main.zip ✅ Downloaded and extracted repository to D:\python-project\langgraph_demo 🎉 New project created at D:\python-project\langgraph_demo################### output End #####################

第二步:指定虚拟环境

第三步:标记源代码根目录

需要将src目录标记为源代码根目录

第四步:安装项目依赖

在项目根目录下执行:

pipinstall-e.

在新 LangGraph 应用的根目录下,以编辑模式安装依赖项,以便服务器使用本地更改。

在 LangGraph 中,pyproject.toml代传统的setup.pyrequirements.txt,可能包含以下扩展配置:

  • 依赖分组:如[project.optional-dependencies]定义dev(开发工具)test(测试框架)依赖。
  • 动态版本控制:通过requires-python=“>=3.9"指定Python 版本兼容性
  • CI/CD 集成:通过[too1.*]配置与 GitHub Actions 或 GitLab Cl 的交互

自此,本文分享到此结束!!!

http://www.cnnetsun.cn/news/129883.html

相关文章:

  • 揭秘供应链库存失控真相:Agent预警模型如何实现0缺货与低库存平衡
  • 终极解放双手!Auto Simulated Universe:崩坏星穹铁道模拟宇宙自动化完整指南
  • 嵌入式Linux中工作队列传递参数实现
  • Java Web html+css在线英语阅读分级平台系统源码-SpringBoot2+Vue3+MyBatis-Plus+MySQL8.0【含文档】
  • 模型压缩为何让边缘AI效率飙升?,深度解析量化与剪枝的黄金组合
  • 告别模糊照片:5步掌握真实世界图像去噪技术
  • 为什么你的农业传感器耗电太快?:3大常见功耗陷阱及破解方案
  • 为什么你的答疑Agent总答非所问?知识库冷启动陷阱全曝光
  • 【MCP DP-420官方文档精读】:挖掘图Agent隐藏功能的7个突破口
  • DSRC vs C-V2X vs MQTT:车路协同Agent通信协议谁主沉浮?
  • 基于Jousselme距离改进D-S证据理论matlab实现
  • 解锁Windows上的Apple触控板魔法:完整功能实现指南
  • RTL8812AU无线网卡驱动:从零精通的高级配置手册
  • 从训练到部署:气象预测Agent模型更新全流程拆解,少走三年弯路
  • IfcOpenShell实战技巧:解锁开源BIM工具的高效数据处理方案
  • Unity语音识别完整指南:Whisper.unity零基础入门教程
  • T细胞代谢重编程机制:免疫功能调控的核心密码
  • 温度能影响干法刻蚀的哪些方面?
  • Kotaemon法律条文查询系统:司法领域专用RAG构建
  • 如何在动态环境中完成实时校准?揭秘特斯拉、华为共用的自适应标定框架
  • 【车路协同通信协议优化】:30秒实现Agent间毫秒级响应的秘诀
  • ComfyUI多GPU实战配置:从单卡到分布式推理的完整方案
  • Flutter Admin后台管理系统实战:从零构建企业级管理应用
  • 量子计算中的动态任务调度:Agent如何应对叠加态与纠缠资源分配?
  • Kotaemon自动扩缩容配置:HPA基于QPS动态调整副本数
  • 为什么90%的云原生Agent架构都存在治理盲区?
  • 基于大数据的高校学生健康服务系统的设计与实现开题报告(2)
  • 【毕业设计】SpringBoot+Vue+MySQL web宠物猫认养系统平台源码+数据库+论文+部署文档
  • Kotaemon错误处理机制剖析:提高系统鲁棒性的关键
  • Kotaemon分布式锁机制:防止并发操作冲突