网站推广宣传方案武功做网站

网站推广宣传方案,武功做网站,网页设计与制作课程设计报告小结,wordpress go下载按钮美化LangGraph 与 LangChain 是深度协同、互补增强的关系。LangGraph 并不是取代 LangChain#xff0c;而是在其基础上扩展了复杂控制流的能力#xff0c;使得开发者可以构建更强大、灵活的 AI 应用#xff08;尤其是智能体系统#xff09;。以下是它们如何协同工作的详细说明而是在其基础上扩展了复杂控制流的能力使得开发者可以构建更强大、灵活的 AI 应用尤其是智能体系统。以下是它们如何协同工作的详细说明架构关系LangGraph 建立在 LangChain 之上LangChain 提供了基础组件LLM 封装如 ChatOpenAI, ChatAnthropic工具Tools和工具调用Tool Calling提示模板PromptTemplate、输出解析器OutputParser记忆Memory、文档加载器、检索器等LangGraph 则提供流程编排能力用图结构组织多个 LangChain 组件控制执行顺序、循环、条件分支等管理共享状态State实现多步骤推理简单说LangChain 负责“做什么”LangGraph 负责“怎么做、何时做、做几次”。典型协同模式用 LangChain 构建节点用 LangGraph 编排流程fromlangchain_openaiimportChatOpenAIfromlangchain_core.toolsimporttoolfromlangchain_core.messagesimportHumanMessagefromlanggraph.graphimportStateGraph,MessagesState# 1. 使用 LangChain 定义工具和模型tooldefsearch(query:str)-str:return北京今天的天气晴朗。llmChatOpenAI(modelgpt-4o)llm_with_toolsllm.bind_tools([search])# 2. 在 LangGraph 节点中调用 LangChain 组件defagent_node(state:MessagesState):messagesstate[messages]responsellm_with_tools.invoke(messages)return{messages:[response]}# 3. 用 LangGraph 编排支持工具调用循环workflowStateGraph(MessagesState)workflow.add_node(agent,agent_node)workflow.set_entry_point(agent)workflow.add_conditional_edges(agent,# LangChain 的工具调用路由逻辑lambdax:toolsifx[messages][-1].tool_callselseEND,)workflow.add_node(tools,ToolNode([search]))workflow.add_edge(tools,agent)appworkflow.compile()这就实现了经典的 ReAct Agent 循环思考 → 调用工具 → 观察 → 再思考。LangChain 的 Memory / Checkpoint 与 LangGraph 集成LangGraph 支持持久化状态通过 checkpointer可与 LangChain 的记忆机制结合fromlanggraph.checkpoint.memoryimportMemorySaver memoryMemorySaver()appworkflow.compile(checkpointermemory)# 带线程 ID 的对话类似 LangChain 的 Conversation IDconfig{configurable:{thread_id:user_123}}resultapp.invoke({messages:[HumanMessage(你好)]},config)这使得多轮对话状态可跨请求保留与 LangChain 的 ConversationBufferMemory 思路一致但更强大支持任意状态结构。复用 LangChain 的高级抽象使用 create_react_agentLangChain 提供快速构建基础 Agent用 LangGraph 自定义更复杂的 Agent如多角色、带验证、反思机制LangGraph 给你“乐高积木”LangChain 给你“预制模块”两者结合可搭出任意复杂系统。实际应用场景中的协作客服机器人LangChain 处理意图识别 知识库检索LangGraph 控制“澄清 → 查询 → 确认 → 结束”流程。数据分析 AgentLangChain 调用 Python REPL 工具LangGraph 实现“生成代码 → 执行 → 验证结果 → 修正”的循环。多智能体系统每个智能体用 LangChain 构建LangGraph 协调它们之间的消息传递和任务分配。