Aan de slagGa gratis aan de slag

Graph- en agentstatussen

Je bent gevraagd een eenvoudige chatbot te maken die vragen kan beantwoorden binnen een app voor het middelbaar onderwijs. De school wil dat je een versie van ChatGPT van OpenAI gebruikt als LLM. Je hebt besloten dat je deze taak efficiënt kunt aanpakken met LangGraph door een chatbotagent te bouwen met nodes. Eerst definieer je een agent-State() om de gegevens van de agent op te slaan, en richt je een StateGraph()-object in om de workflow van de agent te beheren.

De vereiste modules zijn al geïmporteerd voor deze oefening en de volgende:

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

Deze oefening maakt deel uit van de cursus

Agentic Systems ontwerpen met LangChain

Cursus bekijken

Oefeninstructies

  • Stel de llm in met ChatOpenAI() en het model "gpt-4o-mini".
  • Definieer de klasse State met TypedDict om de data van de chatbot te beheren.
  • Specificeer messages als een Annotated list met behulp van add_messages.
  • Initialiseer een StateGraph-instantie met State om de workflow van de chatbot te structureren.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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 bewerken en uitvoeren