【LLM大模型】AI Agent 终结者 LangGraph！

1 概述

LangGraph是一个用于构建具有状态、多参与者应用程序的大语言模型（LLM）的库，用于创建智能体和多智能体的工作流程。与其他 LLM 框架相比，它提供以下核心优势：

• 循环
• 可控性
• 持久性

LangGraph 允许你定义涉及循环的流程，这对于大多数智能体架构至关重要，使其与基于DAG的解决方案区别开来。作为一个非常底层的框架，它提供了对应用程序的流程和状态的细粒度控制，这对于创建可靠的智能体至关重要。

此外，LangGraph 包含内置的持久性功能，支持高级的“人类在环”（human-in-the-loop）和记忆功能。

LangGraph 的灵感来源于 Pregel 和 Apache Beam。其公共接口借鉴了 NetworkX 的设计。LangGraph 由 LangChain Inc. 创建，该公司也是 LangChain 的开发者，但它可以独立于 LangChain 使用。

1.1 关键特性

• 循环和分支：在应用程序中实现循环和条件判断
• 持久性：在图中的每一步之后自动保存状态。你可以在任意时间点暂停和恢复图的执行，以支持错误恢复、“人类在环”工作流、时间回溯等功能
• 人类在环：在图执行过程中打断执行，以批准或编辑智能体计划的下一个动作
• 流式支持：在每个节点生成输出时进行流式传输（包括 token 流式传输）
• 与 LangChain 集成：LangGraph 可以与 LangChain 和 LangSmith 无缝集成（但不要求使用它们）

2 安装

代码语言：bash

pip install -U langgraph

3 示例

LangGraph 的核