哪些网站可以做ppi公司做完网站怎么搜不到

哪些网站可以做ppi,公司做完网站怎么搜不到,网站集约化建设意见,wordpress 上传文件功能向远程图服务器发送请求 - 使用RemoteGraph与LangGraph交互 1. 案例目标 介绍LangGraph的基本概念和与LangServe的区别演示如何使用RemoteGraph连接到远程LangGraph服务器展示如何通过RemoteGraph进行同步和异步调用实现流式输出功能#xff0c;实时获取远程图执行结果演示线…向远程图服务器发送请求 - 使用RemoteGraph与LangGraph交互1. 案例目标介绍LangGraph的基本概念和与LangServe的区别演示如何使用RemoteGraph连接到远程LangGraph服务器展示如何通过RemoteGraph进行同步和异步调用实现流式输出功能实时获取远程图执行结果演示线程级持久性(Thread-level persistence)的使用方法展示如何将RemoteGraph作为子图集成到父图中2. 技术栈与核心依赖LangGraphLangChainLangSmithOpenAIPythonLangGraph用于构建有状态、多参与者应用程序的库支持循环和协作LangChain用于构建AI应用的核心框架LangSmith用于追踪、监控和评估LangChain应用的工具OpenAI提供GPT模型用于自然语言处理Python编程语言基础支持异步编程特性3. 环境配置安装必要的Python包langsmith, langchain, langchain_core等配置OpenAI API密钥和LangChain追踪设置安装LangGraph CLI工具pip install langgraph-cli[inmem]启动LangGraph开发服务器langgraph devpip install langsmith langchain langchain_core langchain-anthropic langchain_community langchain_text_splitters langchain_openai langgraph# 设置环境变量set_env({OPENAI_API_KEY: ,LANGCHAIN_API_KEY: ,LANGCHAIN_TRACING_V2: true,LANGCHAIN_ENDPOINT: https://api.smith.langchain.com,LANGCHAIN_PROJECT: RemoteGraph,})4. 案例实现LangGraph与LangServe的区别LangGraph现在被推荐作为LangChain应用的服务化方案LangGraph支持流式输出、双文本处理、突发处理等高级功能LangGraph具有检查点功能和人在回路支持RemoteGraph基础使用创建RemoteGraph实例连接到远程服务器使用invoke和ainvoke方法进行同步和异步调用配置embedding_model、query_model等参数流式输出实现使用astream方法获取远程图执行的实时结果通过subgraphsTrue参数获取子图的执行状态线程级持久性创建同步客户端和线程配置线程参数(config_thread)验证对话历史的持久化效果子图集成使用StateGraph创建父图添加RemoteGraph作为子节点连接START节点到子图主要代码实现# 创建RemoteGraph实例remote_graph RemoteGraph(chat, # 图名称urlhttp://localhost:2024, # 服务器URL)# 同步调用result remote_graph.invoke({messages: [{role: user, content: hi!}]},config)# 异步流式调用async for chunk in remote_graph.astream({messages: [{role: user, content: whats the weather in sf}]},config,subgraphsTrue):print(chunk)# 创建父图并添加RemoteGraph作为子图from langgraph.graph import StateGraph, MessagesState, STARTbuilder StateGraph(MessagesState)builder.add_node(child, remote_graph)builder.add_edge(START, child)graph builder.compile()5. 案例效果成功连接到远程LangGraph服务器并执行图操作实现了同步和异步调用方式满足不同场景需求通过流式输出功能实时获取远程图执行过程和结果验证了线程级持久性功能能够保持对话上下文成功将RemoteGraph作为子图集成到父图中实现复杂图结构展示了LangGraph相对于LangServe的优势和特性6. 案例实现思路客户端-服务器架构RemoteGraph作为客户端连接到远程LangGraph服务器统一接口设计RemoteGraph提供与本地Graph相同的API接口透明处理远程调用异步通信模型支持同步和异步调用适应不同应用场景流式数据处理通过生成器模式实现实时数据传输状态持久化通过线程ID实现对话上下文的持久化存储图组合模式支持将远程图作为子图集成到更大的图结构中7. 扩展建议添加认证和授权机制增强远程图访问的安全性实现负载均衡和故障转移提高系统可用性添加缓存机制减少重复请求的网络开销实现更复杂的子图组合模式支持多级嵌套添加性能监控和指标收集便于系统优化实现批量操作接口提高处理效率添加更多配置选项如超时设置、重试策略等支持更多通信协议如WebSocket、gRPC等8. 总结该案例展示了如何使用RemoteGraph与远程LangGraph服务器进行交互从基础连接到高级功能如流式输出和线程级持久性。案例详细介绍了LangGraph相对于LangServe的优势并通过实际代码演示了RemoteGraph的各种用法。通过线程级持久性系统能够保持对话上下文提供更连贯的用户体验。此外案例还展示了如何将RemoteGraph作为子图集成到更大的图结构中实现复杂的应用逻辑。这个案例为构建分布式AI应用提供了完整的参考实现展示了现代图计算框架与远程服务结合的最佳实践。技术要点总结向远程图服务器发送请求案例展示了分布式AI应用架构的强大能力。通过RemoteGraph开发者可以透明地访问远程LangGraph服务无需关心底层通信细节。该案例的关键技术点包括异步通信、流式处理、状态持久化和图组合等这些技术点为构建大规模分布式AI系统奠定了基础。此外该案例还展示了如何将复杂的AI逻辑分布在不同的服务中实现更好的系统解耦和可扩展性。LangGraph作为LangChain生态的新成员为AI应用的服务化部署提供了更强大、更灵活的解决方案。