LangGraph: 解鎖 AI 應用的終極秘密武器 🚀

許恆修 | Heng-Shiou Sheu

5 min readAug 16, 2024

你是否曾經夢想過創建一個能夠像人類一樣思考和交互的 AI 應用? 現在,這個夢想離實現又近了一步。讓我們一起探索 LangGraph — — 這個正在revolutionizing AI 開發世界的神奇工具!

🔍 什麼是 LangGraph?

想像一下,如果你能夠給你的 AI 應用裝上一個超級大腦,讓它不僅能思考,還能記住、協調、甚至進行複雜的決策。這就是 LangGraph 的魔力所在!

LangGraph 是一個專為構建狀態化、多角色 AI 應用而生的強大庫。它就像是給你的 AI 裝上了一個操作系統,讓複雜的 AI 任務變得簡單易行。

💡 tips: LangGraph 完全兼容 LangChain 生態系統,如果你已經在使用 LangChain,那麼上手 LangGraph 將會是輕而易舉的事!

🧠 LangGraph 的三大超能力

1. 網狀結構: AI 的神經網絡

想像你的 AI 應用是一個高效運轉的城市。在這個城市裡:
- 每個建築(節點)都是一個智能代理
- 街道(邊)則是信息的高速公路

這種結構讓你的 AI 應用能夠像人腦一樣,快速而有條理地處理複雜任務。

2. 狀態管理: AI 的超級記憶力

如果說網狀結構是 AI 的大腦,那麼狀態管理就是它的記憶力。

它讓 AI 能夠記住對話的上下文
確保每次回應都恰到好處
讓多輪對話變得流暢自然

就像你和好朋友聊天,永遠不會忘記之前說過什麼。這就是 LangGraph 賦予 AI 的超能力!

3. 協調能力: AI 的指揮家

想像一個沒有指揮的交響樂團會是什麼樣子? LangGraph 的協調能力就是你 AI 應用的首席指揮:

- 確保每個 AI 代理在正確的時間做正確的事
- 讓信息在代理之間無縫流轉
- 使得複雜的多代理系統運行得如絲般順滑

🌟 LangGraph 能做什麼?

LangGraph 的應用範圍廣闊,讓我們來看看幾個激動人心的例子:

1. 客服系統:
想像一個客服系統,能夠理解客戶的每一個需求,並且總是給出最恰當的回應。有了 LangGraph,這不再是科幻片裡的場景!

2. 流程自動化:
再也不用為繁瑣的審批流程頭疼了。LangGraph 可以幫你打造一個智能工作流,讓文檔處理、審批、分析等任務全自動化。

3. 學習助手:
想像一個 AI 導師,能夠根據你的學習進度和偏好,為你量身定制學習計劃。有了 LangGraph,這樣的學習體驗離我們並不遠!

💡 tips: 在設計多代理系統時,先畫出一個簡單的流程圖。這會幫助你更清晰地規劃代理間的互動和信息流動。

💻 動手試試 LangGraph

讓我們來看看如何用 LangGraph 創建一個簡單的聊天機器人。別擔心,即使你是編程新手,也能輕鬆上手!

from typing import Annotated
from typing_extensions import TypedDict
from langgraph.graph import StateGraph
from langgraph.graph.message import add_messages
from langchain_openai import ChatOpenAI

# 步驟 1: 定義狀態
class State(TypedDict):
    messages: Annotated[list, add_messages]

# 步驟 2: 定義語言模型
llm = ChatOpenAI(model="gpt-4-0613")

# 步驟 3: 添加語言模型節點
def chatbot(state: State):
    return {"messages": [llm.invoke(state["messages"])]}

# 步驟 4: 構建圖
graph_builder = StateGraph(State)
graph_builder.add_node("chatbot", chatbot)
graph_builder.set_entry_point("chatbot")
graph_builder.set_finish_point("chatbot")

# 步驟 5: 編譯圖
graph = graph_builder.compile()

# 步驟 6: 實現聊天界面
while True:
    user_input = input("User: ")
    if user_input.lower() in ["quit", "exit", "q"]:
        print("Goodbye!")
        break
    for event in graph.stream({"messages": [("user", user_input)]}):
        for value in event.values():
            print("Assistant:", value["messages"][-1].content)