Añadir memoria gráfica

¡Excelente! Tu chatbot puede utilizar Wikipedia para responder a preguntas basadas en la consulta del usuario. Ahora puedes ir un paso más allá y permitir que tus usuarios hagan preguntas de seguimiento. Para ello, primero tendrás que activar la memoria en tu chatbot. La memoria permitirá a tu chatbot acceder al contexto completo de la conversación para que pueda gestionar las conversaciones de seguimiento.

Este ejercicio forma parte del curso

Diseño de Sistemas Agenéticos con LangChain

Instrucciones del ejercicio

Empieza importando MemorySaver del módulo checkpoint.memory de LangGraph.
Crea una instancia de MemorySaver() como memory.
Vuelve a compilar el gráfico del chatbot estableciendo el argumento checkpointer en memory en el método .compile() aplicado a graph_builder.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Import the modules for saving memory
from langgraph.____.____ import ____

# Modify the graph with memory checkpointing
memory = ____()

# Compile the graph passing in memory
graph = ____.___(checkpointer=____)

Editar y ejecutar código

Este ejercicio forma parte del curso

Diseño de Sistemas Agenéticos con LangChain

IntermedioNivel de habilidad

4.8+

Comienza el curso gratis

¡Construye sistemas agénticos inteligentes! Descubre los componentes clave de los agentes LangChain, incluido el modo en que las indicaciones, los LLM y las herramientas trabajan juntos para razonar y actuar. Configurarás un agente con la API de OpenAI, definirás herramientas personalizadas y abordarás tareas del mundo real, como cálculos matemáticos. Además, explora cómo LangChain organiza los datos mediante grafos, nodos y aristas.

Exercise 1: Agentes en LangChain Exercise 2: Crear un agente ReAct Exercise 3: Componentes de los agentes LangChain Exercise 4: Construir herramientas personalizadas Exercise 5: Crear una herramienta para cálculos matemáticos Exercise 6: Integrar herramientas y consultas personalizadas Exercise 7: Conversación con un agente ReAct Exercise 8: Configuración de la conversación Exercise 9: Haz preguntas sobre la historia de la conversación

¡Construye chatbots dinámicos y potenciados por herramientas con LangChain y LangGraph! Explorarás cómo crear un chatbot que se adapte en función de las entradas del usuario, definiendo estados e integrando API externas para recuperar información en tiempo real. Conectarás estos componentes en una estructura gráfica con capacidad de respuesta, que permita transiciones fluidas entre la conversación y las respuestas asistidas por la herramienta. Al final, tendrás un marco de chatbot representado visualmente con razonamiento mejorado y flujos de trabajo de varios pasos.

Exercise 1: Construir gráficos para chatbots Exercise 2: Gráfico y estados del agente Exercise 3: Añadir nodos y aristas Exercise 4: Generar respuestas del chatbot Exercise 5: Consultas y respuestas Exercise 6: Generar un diagrama gráfico Exercise 7: Añadir herramientas externas a un chatbot Exercise 8: Construye una herramienta Wikipedia Exercise 9: Añadir una herramienta a un gráfico Exercise 10: Añadir memoria y conversación Exercise 11: Visualiza el gráfico y devuelve los resultados de la herramienta Exercise 12: Añadir memoria gráfica

Ejercicio actual

Exercise 13: Utilizar la memoria gráfica para conversar

¡Amplía tu chatbot con herramientas dinámicas y memoria! Define e integra múltiples herramientas en flujos de trabajo flexibles, construye funciones para la llamada dinámica de herramientas y configura tu chatbot para el manejo de múltiples herramientas. Organiza la memoria y las salidas para permitir conversaciones intercaladas de varios turnos. Al final, habrás creado un sofisticado chatbot capaz de interacciones complejas.

Exercise 1: Definir varias herramientas Exercise 2: Construye una herramienta que invoque al LLM Exercise 3: Construye una herramienta con código Python Exercise 4: Vinculación de varias herramientas Exercise 5: Definición de nodos y aristas para la llamada flexible a funciones Exercise 6: Define una función que detenga el chatbot Exercise 7: Crea una función para devolver una respuesta LLM Exercise 8: Crea el flujo de trabajo gráfico para varias herramientas Exercise 9: Organiza las salidas del chatbot con memoria Exercise 10: Configura salidas para varias herramientas Exercise 11: Activar conversación multigiro con memoria Exercise 12: ¡Enhorabuena!