LangGraph是一个基于图计算的大语言模型应用开发框架

最新推荐文章于 2025-12-19 16:26:43 发布

原创

最新推荐文章于 2025-12-19 16:26:43 发布 · 851 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#语言模型 #python #人工智能

LangGraph是一个基于图计算的大语言模型应用开发框架，它通过将复杂任务分解为多个节点并构建执行图来实现高效的LLM应用开发。以上代码提供了LangGraph的环境搭建和基础、高级应用示例，主要包括：

环境搭建脚本：自动化安装系统依赖、创建虚拟环境并安装LangGraph及其依赖库
基础使用示例：展示如何构建一个简单的问答系统，包含用户输入、网络搜索和答案生成三个节点
高级应用示例：实现了一个完整的文档问答系统，包括文档加载、文本分割、向量索引和检索式问答等功能

使用前请替换示例中的OpenAI API密钥，并根据实际需求调整节点和图谱结构。

# LangGraph高级应用示例：文档问答系统

from langgraph import Graph, Node
from langgraph.llms import OpenAILLM
from langgraph.memory import VectorDBMemory
from langgraph.tools import DocumentLoader, TextSplitter, EmbeddingGenerator
from langgraph.pipelines import RetrievalQA

# 初始化组件
llm = OpenAILLM(api_key="your_openai_api_key")
embedding = EmbeddingGenerator(model_name="sentence-transformers/all-MiniLM-L6-v2")
memory = VectorDBMemory(embedding=embedding)

# 定义文档处理节点
@Node()
def load_documents(file_path: str) -> list:
    loader = DocumentLoader()
    return loader.load(file_path)

@Node()
def split_text(documents: list) -> list:
    splitter = TextSplitter(chunk_size=1000, chunk_overlap=100