Erste SchritteKostenlos loslegen

Graph und Agentenstatus

Du hast den Auftrag bekommen, einen einfachen Chatbot zu erstellen, der Fragen in einer Bildungs-App für die High School beantworten kann. Die Schule möchte, dass du eine Version von ChatGPT von OpenAI als LLM verwendest. Du hast beschlossen, dass du diese Aufgabe mit LangGraph effizient bewältigen kannst, indem du einen Chatbot-Agenten mit Knotenpunkten baust. Zuerst definierst du einen Agenten State(), um die Daten des Agenten zu speichern, und richtest ein StateGraph() Objekt ein, um den Workflow des Agenten zu verwalten.

Die erforderlichen Module wurden für diese und die folgenden Übungen bereits importiert:

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

Diese Übung ist Teil des Kurses

Agentensysteme mit LangChain entwerfen

Kurs anzeigen

Anleitung zur Übung

  • Richte die llm mit ChatOpenAI() und dem Modell "gpt-4o-mini" ein.
  • Definiere die Klasse State mit TypedDict, um die Daten des Chatbots zu verwalten.
  • Gib messages als Annotated list mit add_messages an.
  • Initialisiere eine StateGraph Instanz mit State, um den Workflow des Chatbots zu strukturieren.

Interaktive Übung zum Anfassen

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

# Define the llm
llm = ____(model="____", api_key="OPENAI_API_KEY")

# Define the State
class State(____):
    
    # Define messages with metadata
    messages: ____[____, ____]

# Initialize StateGraph
graph_builder = ____(____)
Bearbeiten und Ausführen von Code