为了让聊天机器人掌握更多知识,尤其是最近的信息,我们将整合网络搜索工具(Tavily)。这需要让 LLM 能够请求使用工具,并添加图组件来处理这些工具的执行。
安装 Tavily 搜索工具所需的库。
配置 Tavily 服务的 API 密钥。
实例化 TavilySearchResults 工具,它将返回 2 个结果。LLM 和图表都将使用该工具。
为了让机器人在多轮对话中记住之前的信息,我们引入了 LangGraph 的检查点功能。
使用 MemorySaver 校验指针将对话状态存储在内存中。在生产中,您可能会使用 SQLite 或 Postgres 等持久性后端。
有时,人工智能代理在继续工作之前可能需要人工输入。我们可以通过创建一个暂停图流的工具来实现这一点。
该工具会暂停图形,等待人工输入后再继续。
构建好 LangGraph 应用程序后,接下来需要做的就是在本地机器或云平台上运行应用程序,以便进一步开发和测试。LangGraph为我们提供了多种部署选项,这些选项可以有不同的工作流程和基础架构。
在部署方面,LangGraph支持多种选项。您处理一切事务。)可让您在自己的云中运行应用程序,同时使用 LangChain 的控制平面。使用自托管控制平面,你可以自己管理一切。或者使用,使用 Docker 获得充分的灵活性。
LangGraph 可用于构建交互式智能人工智能代理。让我们来探索和了解它的一些用例。
1. 改善客户服务:LangGraph 能够为客户支持开发高级聊天机器人。这些聊天机器人能够回忆起过去的购买记录和客户偏好。通过回忆过去的记录,它们可以回复有关订单的询问,并在必要时与人类建立联系。这样就能更快地解决客户的问题。
2. 人工智能研究助手:使用 LangGraph 也可以创建一个研究助手。它可以查找学术文章,然后突出显示重要信息。然后,助理可以提取信息,研究人员和学生可以利用这些信息从各个领域获得更多见解。
3. 个性化学习:利用 LangGraph,我们还可以建立个性化或定制化学习系统,根据学习者的情况调整学习内容。这将帮助学习者了解自己的薄弱环节,然后根据薄弱环节推荐资源。这将创造个性化的学习体验,提高参与度和学习效果。
4. 简化业务任务:LangGraph 还能帮助我们实现业务流程自动化。有了它,文件审批和项目管理可以实现自动化,代理还可以用来分析数据。自动化有助于提高生产力,减少人为错误,让团队专注于更高层次的任务。
在这篇面向初学者的 LangGraph 教程中,您学会了如何构建交互式人工智能系统。这些系统不仅仅是简单的问答机器人。通过 LangGraph 示例,我们了解了 LangGraph 如何管理状态、集成多个代理并允许人类输入。该指南展示了如何构建一个支持聊天机器人,它可以处理网络搜索、记住过去的交互,甚至可以让人类介入。
对于开发人员来说,LangGraph 入门教程非常有用。它有助于创建强大的人工智能驱动应用程序。通过使用 LangGraph,我们可以构建灵活、自适应的系统,处理复杂的任务。无论您是要创建聊天机器人、研究助手还是个性化学习工具,LangGraph 都能为您提供高效开发所需的结构和工具。
全部评论
留言在赶来的路上...
发表评论