AI Agent LangGraph：LangChain - AI新时代的构建者 原创

在探索人工智能的无限可能中，构建智能代理（Agents）已成为技术发展的新前沿。LangChain的最新扩展——LangGraph以其独特的技术架构构建方式，为AI领域的创造带来了前所未有的灵活性和控制力。

一、LangGraph的架构之美

LangGraph的诞生，不是偶然，它是在LangChain坚实基础上的自然延伸。作为一个扩展库，它与LangChain的现有组件水乳交融，共同绘制了AI发展的新蓝图

工作流程：通过精确定义图的节点与边，LangGraph将复杂的基于LLM的任务细节转化为直观的Graph表示。在任务执行过程中，中央状态对象不断更新，确保了任务的连续性和一致性。

在构建好 StateGraph，并增加 Node 和 Edge 后，可以通过 compile 编译成可运行的应用示例如下：

二、核心概念解析

• StateGraph是LangGraph中代表整个状态图的基础类。它是应用状态管理的中心，负责维护和更新应用在运行过程中的各种状态信息。StateGraph使得开发者能够清晰地追踪和控制应用的每个阶段，确保了状态的一致性和可管理性。
• Nodes（节点）是构成状态图的基本单元。每个节点可以是一个独立的任务，如推理函数调用、检索器调用、响应内容生成或问题重写等。节点的设计允许开发者将复杂的AI任务分解为可管理的小块，每一块都是一个可调用的函数、Chain或Agent。

• 特殊节点 END节点：一个特殊的节点，它的进入标志着任务的完成和应用的结束。

• Edges（边）：定义了节点间的跳转关系，它们是任务流程中不可或缺的部分。LangGraph中的边有三种类型：
• Starting Edge 任务的起点：一种特殊的边，它定义了任务运行的起始节点。与普通边不同，起始边没有上游节点，它标志着任务的开始。
• Normal Edge：普通边，代表上一个节点完成后，流程将立即转移到下一个节点。这种边确保了任务的线性执行，如从Tools调用到LLM推理的顺畅过渡。
• Conditional Edge：条件边，它在节点间引入了条件判断。这种边不仅连接了上游和下游节点，还引入了一个条件函数，根据函数的返回值来决定流程的分支。例如，Check Relevance节点使用条件边来判断文档的相关性，从而决定是生成回答还是重写问题。

三、LangGraph的应用构建

LangGraph革新了AgentExecutor的设计方式，将黑盒操作透明化为直观的图形界面，让开发者能自定义内部结构，实现更高层次的功能性与灵活性。通过LangGraph，即便是基础的ReAct范式Agent也能被重新构建，以图形化手段细化逻辑，推进AI应用的智能化与可定制化进程，实现更复杂的交互与决策能力。

上图示例代码：

总结

LangGraph在构建LLM应用时展现了强大的控制能力和灵活性。通过Graph的定义，开发者可以对AI代理的处理过程进行细致的编排设计，满足复杂场景的产业应用需求。

本文转载自公众号顶层架构领域

原文链接：​​https://mp.weixin.qq.com/s/Kc00uNt8tH4gUiMVmOnQ3Q​​