67 lines
1.4 KiB
Markdown
67 lines
1.4 KiB
Markdown
# LangGraph 学习教程
|
||
|
||
## 课程大纲
|
||
|
||
### ✅ 第 1 步：核心理念
|
||
- LangGraph 是基于图的 AI 应用框架
|
||
- 支持有状态、循环、分支的智能体构建
|
||
|
||
### ✅ 第 2 步：Hello World
|
||
- 文件: `hello.py`
|
||
- 学习了：State、Node、Edge 三大核心概念
|
||
|
||
### ✅ 第 3 步：条件边
|
||
- 文件: `conditional.py`
|
||
- 学习了：让图学会做决定，根据输入走不同路径
|
||
|
||
### ✅ 第 4 步：循环 + 智能体
|
||
- 文件: `loop.py` - 循环演示（尝试-评估-重试）
|
||
- 文件: `agent.py` - AI 智能体（思考-行动-回答）
|
||
|
||
## 核心概念总结
|
||
|
||
```
|
||
LangGraph 图 = State(状态) + Node(节点) + Edge(边)
|
||
|
||
State: TypedDict，节点间传递的数据包
|
||
Node: 函数，接收状态并返回更新
|
||
Edge: 连接节点，定义流程走向
|
||
- 固定边: add_edge()
|
||
- 条件边: add_conditional_edges()
|
||
```
|
||
|
||
## 下一步学习
|
||
|
||
### 第 5 步：真实 LLM 智能体
|
||
- 接入 OpenAI API
|
||
- 构建 ReAct 模式智能体
|
||
- 添加工具调用能力
|
||
|
||
### 第 6 步：高级特性
|
||
- 检查点机制（暂停/恢复）
|
||
- 子图（嵌套图）
|
||
- 并行执行
|
||
- 流式输出
|
||
|
||
## 运行示例
|
||
|
||
```bash
|
||
# 设置编码
|
||
$env:PYTHONIOENCODING="utf-8"
|
||
|
||
# 运行各个示例
|
||
python hello.py # Hello World
|
||
python conditional.py # 条件边
|
||
python loop.py # 循环
|
||
python agent.py # AI 智能体
|
||
```
|
||
|
||
## 接入真实 LLM
|
||
|
||
```powershell
|
||
# 设置 API Key
|
||
$env:OPENAI_API_KEY = "sk-..."
|
||
|
||
# 运行智能体示例
|
||
python agent.py
|
||
``` |