НачатьНачать бесплатно

Граф и состояния агента

Вам поручено создать базового чат-бота для приложения школьного образования. Школа хочет использовать в качестве языковой модели одну из версий ChatGPT от OpenAI. Вы решили эффективно решить эту задачу с помощью LangGraph: построить агента-чат-бота на основе узлов. Для начала вы определите State() — состояние агента для хранения его данных — и настроите объект StateGraph() для управления рабочим процессом агента.

Необходимые модули уже импортированы для этого и последующих упражнений:

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

Это упражнение является частью курса

Проектирование агентных систем с LangChain

Посмотреть курс

Инструкции к упражнению

  • Создайте llm с помощью ChatOpenAI(), используя модель "gpt-4o-mini".
  • Определите класс State на основе TypedDict для управления данными чат-бота.
  • Укажите messages как Annotated-список, используя add_messages.
  • Инициализируйте экземпляр StateGraph с параметром State, чтобы задать структуру рабочего процесса чат-бота.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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

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

# Initialize StateGraph
graph_builder = ____(____)
Редактировать и запускать код