如何使用LangGraph构建一个智能体

使用 LangGraph 构建智能体时，首先要将任务分解为称为 节点 的离散步骤。然后，需要描述每个节点不同的决策逻辑和状态转换方式。最后，通过一个 共享状态 将各个节点连接起来，每个节点都可以读写该状态。

要在 LangGraph 中实现智能体，通常需要遵循五个步骤。

第一步：将你的工作流程分解成一个个独立的步骤。

首先，确定流程中的各个步骤。每个步骤都将成为一个节点（一个执行特定操作的函数）。然后，绘制这些步骤之间的连接图。

第二步：明确每个步骤需要做什么

对于图中的每个节点，确定它代表什么类型的操作以及它需要什么上下文才能正常工作。

一般有以下4种类型的操作步骤：

• LLM 步骤：用于某个步骤需要理解、分析、生成文本或做出推理决策时。
• 数据步骤：用于某个步骤需要从外部来源检索信息时。
• 动作步骤：用于某个步骤需要执行外部操作时。
• 用户输入步骤：用于某个步骤需要人工干预时。

分类详解与实例

第三步：设计你的共享状态

状态是你的智能体中所有节点都可以访问的共享记忆。你可以将其想象成你的智能体在处理流程中所使用的笔记本，用来记录它在此过程中了解到的一切信息和做出的所有决定。

设计状态就是为你的智能体 设计数据结构。一个精心设计的“共享笔记本”（状态）是构建一个高效、可靠且易于理解的智能体工作流的基石。它决定了节点之间如何通信，以及工作流的上下文如何得以保持。

哪些数据要保存在状态中？

这个数据是否需要跨步骤保持？如果需要，则将其置于状态中。如果能从其他数据中推导出，则在需要时计算，而不是将其存储在状态中。

一个关键原则：你的状态应该存储原始数据，而不是格式化的文本。需要时，在节点内部进行格式化。

第四步：构建节点

构建节点就是我们将每个步骤实现为一个函数。LangGraph 中的一个节点就是一个 Python 函数，它接收当前状态并返回更新后的状态。

如何妥善处理节点中可能发生的错误？

第五步：将节点连接起来

现在，我们将节点连接成一个可运行的工作流图。由于我们的节点能够处理自身的路由决策，我们只需要定义几条必要的边即可。

总结一下

通过以上步骤我们总结一下 LangGraph 的思维方式：

• 将任务分解成若干个独立的步骤，每个节点专注于做好一件事。
• 状态是共享的记忆，保存了原始数据。
• 每个节点都是一个函数，输入状态，输出更新后的状态。
• 错误是流程预设的一部分，通过多种策略修复它。
• 人工干预具有最高权限，等待人工干预时暂停执行，保存所有状态。
• 只需少量的必要连接，图结构由节点自行构建出来。