使用langgraph创建工作流系列1:一个简单的chatbot

1.搭建开发环境

#pip install langgraph langsmith langchain-openai

2.创建一个StateGraph

StateGraph是整个工作流图,代码如下:

from typing import Annotated
from typing_extensions import TypedDict
from langgraph.graph import StateGraph, START, END
from langgraph.graph.message import add_messages


class State(TypedDict):
    '''

        State保存messages等全局变量。可以根据实际需要任意增加。

        对messages加注解,类型为list,add_messages为规约函数,该函数把messages追加

       到list中,如果在注解中未指定规约函数,则用messages覆盖list中的内容

    '''
    messages: Annotated[list, add_messages]


graph_builder = StateGraph(State)

3.创建chatbot节点

from langchain_openai import ChatOpenAI
llm= ChatOpenAI(
    model = 'qwen-plus',
    api_key = "sk-……",
    base_url = "https://dashscope.aliyuncs.com/compatible-mode/v1")

#chatbot以state作为参数,返回更新后的列表

def chatbot(state: State):
    return {"messages": llm.invoke(state['messages'])}

#把节点增加工作流图中,第一个参数是节点名,第二参数是节点将来会调用的函数或对象
graph_builder.add_node('chatbot', chatbot)

4.增加入口节点

        增加入口节点就是设置工作流的初始节点,在这里为初始节点START,START节点指向chatbot节点

graph_builder.add_edge(START, "chatbot")

5.增加出口节点

        增加入口节点就是要设置工作流结束节点,在这里结束节点END,chatbot节点指向END节点

graph_builder.add_edge("chatbot", END)

6.编译图

        编译图生成一个graph对象,后面可以直接调用

graph = graph_builder.compile()

7.可视化显示

        可视化显示只是用来显示整个工作流图,实际运行过程中该步骤并不需执行。

from IPython.display import Image, display

try:
    display(Image(graph.get_graph().draw_mermaid_png()))
except Exception:
    pass

        工作流图如下图所示:

        本工作流一共有三个节点,START(也就是图中的__start__)、chatbot和END(也就是图中的__end__),处理流程的起点是START,从START流转到chatbot,再从chatbot流转到END.

8.运行chatbot

def stream_graph_updates(user_input: str):

    for event in graph.stream({"messages": [{"role": "user", "content": user_input}]}):

        for value in event.values():

            #从state的messages列表中取最后一项

            print("Assistant:", value["messages"][-1].content)

while True:

    try: user_input = input("User: ")

        if user_input.lower() in ["quit", "exit", "q"]:

            print("Goodbye!")

            break

        stream_graph_updates(user_input)

    except:

        user_input = "What do you know about LangGraph?"

        print("User: " + user_input)

        stream_graph_updates(user_input)

        break

        运行以上代码可以与chatbot进行对话了。

基于可靠性评估序贯蒙特卡洛模拟法的配电网可靠性评估研究(Matlab代码实现)内容概要:本文围绕“基于可靠性评估序贯蒙特卡洛模拟法的配电网可靠性评估研究”,介绍了利用Matlab代码实现配电网可靠性的仿真分析方法。重点采用序贯蒙特卡洛模拟法对配电网进行长时间段的状态抽样与统计,通过模拟系统元件的故障与修复过程,评估配电网的关键可靠性指标,如系统停电频率、停电持续时间、负荷点可靠性等。该方法能够有效处理复杂网络结构与设备时序特性,提升评估精度,适用于含分布式电源、电动汽车等新型负荷接入的现代配电网。文中提供了完整的Matlab实现代码与案例分析,便于复现和扩展应用。; 适合人群:具备电力系统基础知识和Matlab编程能力的高校研究生、科研人员及电力行业技术人员,尤其适合从事配电网规划、运行与可靠性分析相关工作的人员; 使用场景及目标:①掌握序贯蒙特卡洛模拟法在电力系统可靠性评估中的基本原理与实现流程;②学习如何通过Matlab构建配电网仿真模型并进行状态转移模拟;③应用于含新能源接入的复杂配电网可靠性定量评估与优化设计; 阅读建议:建议结合文中提供的Matlab代码逐段调试运行,理解状态抽样、故障判断、修复逻辑及指标统计的具体实现方式,同时可扩展至不同网络结构或加入更多不确定性因素进行深化研究。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值