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。
610

被折叠的 条评论
为什么被折叠?



