LangGraph Playground

这是一个用来学习 LangGraph 的项目。

我会在这里使用 LangGraph 编写一些 AI Agent 示例和项目，用于探索和实践 Agentic Workflow。

📚 Tutorials

这里是一系列循序渐进的教程，帮助你理解 LangGraph 的核心概念：

• 01_state_and_nodes.py

  • 基础入门：介绍 StateGraph 的构建。
  • 核心概念：State 定义 (TypedDict)、简单节点 (Nodes) 的编写、线性图结构。

• 02_edges_and_routing.py

  • 路由控制：介绍 Conditional Edges (条件边)。
  • 核心概念：Router 逻辑编写、根据 State 动态决定下一步走向 (分支逻辑)。

• 03_tool_calling.py

  • 工具调用：结合 LLM 进行 Tool Calling。
  • 核心概念：bind_tools、ToolNode、tools_condition 以及如何流式输出 (Streaming) 运行状态。

• 04_persistence.py

  • 记忆持久化：让 Agent 拥有"记忆"。
  • 核心概念：Checkpointer (SqliteSaver)、thread_id 会话管理、跨请求的状态恢复与隔离。

• 05_human_in_the_loop.py

  • 人机交互 (HITL)：在 Agent 执行过程中加入人工干预。
  • 核心概念：interrupt_before 断点机制、人工审批/拒绝/修改工具调用、图的暂停与恢复 (Resuming)。

• 06_parallelism_map_reduce.py

  • 并行处理：Map-Reduce 模式。
  • 核心概念：Send API 实现动态并行分支 (Map)、operator.add 聚合器 (Reduce)、并发状态管理。

• 07_hybrid_subgraphs.py

  • 混合架构：父子图 (Subgraphs) 嵌套。
  • 核心概念：将不同架构（如 ReAct 和 Map-Reduce）封装为独立子图、层级状态管理、复杂工作流的模块化复用。

• 08_multi_agent_supervisor

  • 多智能体协作：Supervisor (主管) 模式。
  • 核心概念：中心化路由控制、结构化输出做决策。
  • 变体：
    • Chat Mode: 基于对话历史的协作。
    • Artifact Mode: 围绕特定工件 (Artifact) 的迭代优化。

• 09_multi_agent_handoff.py

  • 多智能体接力：Handoff (Swarm) 模式。
  • 核心概念：Command API 实现命令式跳转、去中心化控制、Agent 之间显式交接棒 (Context Passing)。

• 10_plan_and_execute.py

  • 规划与执行：Plan-and-Execute 模式。
  • 核心概念：Planner (规划)、Executor (执行)、Re-Planner (反思与动态调整) 的闭环循环，处理长链路复杂任务。