刚刚，LangGraph官方开源Ultra版本，多智能体能力提升10倍！-优快云博客

就在昨天，langgraph的ultra版本项目开源，命名为langgraph-swarm-py，可以通过 pip install langgraph-swarm 安装。所以swarm ? openai 一脸问号？

他的核心升级是，拓展了多智能体应用，可以让多个具有不同专长的智能体协同工作，并在它们之间传递上下文信息。其次是内置了智能体之间通信的工具，用户可以根据需求进行定制。

下面的图，是一个系统在订票和订酒店2个场景自动切换的demo。

用readme脚本简单测试了下，Agent切换是通过工具来实现，每个agent会绑定一个handoff_tool到别的agent上。

from langgraph.checkpoint.memory import InMemorySaver   from langgraph.prebuilt import create_react_agent   from langgraph_swarm import create_handoff_tool, create_swarm      model = ZhipuAIChat(provider="zhipuai",       model_name="glm-4-plus",       temperature=0.7)      def add(a: int, b: int) -> int:       """       add function, return a add b       """       return a + b      alice = create_react_agent(       model,       [add,         create_handoff_tool(agent_name="Bob")],       prompt="You are Alice, an addition expert.",       name="Alice",   )      bob = create_react_agent(       model,       [create_handoff_tool(agent_name="Alice", description="Transfer to Alice, she can help with math")],       prompt="You are Bob, you speak like a pirate.",       name="Bob",   )      checkpointer = InMemorySaver()   workflow = create_swarm(       [alice, bob],       default_active_agent="Alice"   )   app = workflow.compile(checkpointer=checkpointer)      config = {"configurable": {"thread_id": "1"}}   turn_1 = app.invoke(       {"messages": [{"role": "user", "content": "i'd like to speak to Bob"}]},       config,   )   print(turn_1)   turn_2 = app.invoke(       {"messages": [{"role": "user", "content": "what's 5 + 7?"}]},       config,   )   print(turn_2)

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述