Erste SchritteKostenlos loslegen

Erstelle den Grafik-Workflow für mehrere Werkzeuge

Deine Bausteine für die Erstellung deines Chatbot-Graphen sind jetzt fertig! Du fügst alle deine Knoten in einem einzigen Arbeitsablauf zusammen und verwendest Kanten, um die Verbindungen zwischen ihnen zu verwalten. Um loszulegen, wurde dein Graph-Workflow bereits mit MessagesState und dem StateGraph() eingerichtet, um die Nachrichtenaktualisierungen des Chatbots zu verfolgen. Die Funktion display() zum Rendern deines Diagramms als LangGraph-Diagramm wurde ebenfalls eingerichtet und die MemorySaver wurde für dich importiert.

from langgraph.graph import StateGraph
from langgraph.checkpoint.memory import MemorySaver

workflow = StateGraph(MessagesState)

Diese Übung ist Teil des Kurses

Agentensysteme mit LangChain entwerfen

Kurs anzeigen

Anleitung zur Übung

  • Füge call_model als Knoten mit dem Label "chatbot" hinzu und füge tool_node mit dem Label "tools" hinzu.
  • Definiere eine Kante, die den Knoten START mit dem Knoten "chatbot" verbindet.
  • Füge mit should_continue bedingte Kanten vom Knoten "chatbot" zu den Knoten "tools" und END hinzu, bevor du den Knoten "tools" wieder mit dem Knoten "chatbot" verbindest.
  • Erstelle eine MemorySaver() Instanz und kompiliere den Workflow in eine Anwendung mit dem Speicher checkpointer.

Interaktive Übung zum Anfassen

Probieren Sie diese Übung aus, indem Sie diesen Beispielcode ausführen.

# Add nodes for chatbot and tools
workflow.add_node("____", ____)
workflow.add_node("____", ____)

# Define an edge connecting START to the chatbot
workflow.add_edge(____, "____")

# Define conditional edges and route "tools" back to "chatbot"
workflow.add_conditional_edges("____", ____, ["____", ____])
workflow.add_edge("____", "____")

# Set up memory and compile the workflow
memory = ____()
app = workflow.____(checkpointer=____)

display(Image(app.get_graph().draw_mermaid_png()))
Bearbeiten und Ausführen von Code