LoslegenKostenlos starten

Graph- und Agenten-States

Du wurdest beauftragt, einen einfachen Chatbot zu erstellen, der Fragen innerhalb einer Schul-App für die Oberstufe beantworten kann. Die Schule möchte, dass du eine Version von ChatGPT von OpenAI als LLM verwendest. Du hast entschieden, dass du diese Aufgabe effizient mit LangGraph lösen kannst, indem du einen Chatbot-Agenten mit Nodes aufbaust. 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 steuern.

Die benötigten 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

<Kurs>Agentische Systeme mit LangChain entwerfen</Kurs>
Kurs ansehen

Übungsanweisungen

  • Richte das 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 unter Verwendung von add_messages an.
  • Initialisiere eine StateGraph-Instanz mit State, um den Workflow des Chatbots zu strukturieren.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

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

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

# Initialize StateGraph
graph_builder = ____(____)
Code bearbeiten und ausführen