教程

欢迎来到 LangGraph 教程！这些笔记本通过构建各种语言智能体和应用程序来介绍 LangGraph。

快速入门

通过全面的快速入门学习 LangGraph 的基础知识，您将在其中从头开始构建一个智能体。

• 快速入门

用例

从专为特定场景设计并实现常见设计模式的图的示例实现中学习。

聊天机器人

• 客户支持：构建一个客户支持聊天机器人来管理航班、酒店预订、租车和其他任务
• 根据用户需求生成提示：构建一个信息收集聊天机器人
• 代码助手：构建一个代码分析和生成助手

多智能体系统

• 协作：使两个智能体能够协同完成一项任务
• 监管：使用 LLM 来协调和委派给各个智能体
• 分层团队：协调嵌套的智能体团队来解决问题

RAG

• 自适应 RAG
  • 使用本地 LLM 的自适应 RAG
• 智能 RAG
• 校正 RAG
  • 使用本地 LLM 的校正 RAG
• 自 RAG
  • 使用本地 LLM 的自 RAG
• SQL 智能体

规划智能体

• 规划与执行：实现一个基本的规划和执行智能体
• 无需观察的推理：通过将观察结果保存为变量来减少重新规划
• LLM 编译器：从规划器流式传输并急切地执行 DAG 任务

反思与批判

• 基本反思：提示智能体反思并修改其输出
• 反思：批判缺失和多余的细节以指导后续步骤
• 语言智能体树搜索：使用反思和奖励来驱动智能体上的树搜索
• 自我发现智能体：分析一个了解自身能力的智能体

评估

• 基于智能体的：通过模拟的用户交互来评估聊天机器人
• 在 LangSmith 中：在 LangSmith 中根据对话数据集评估聊天机器人

实验性

• 网络研究 (STORM)：通过研究和多角度问答生成类似维基百科的文章
• TNT-LLM：构建用户意图的丰富、可解释的分类法，并使用微软为其必应副驾驶应用程序开发的分类系统。
• 网页导航：构建一个能够导航和与网站交互的智能体
• 竞赛编程：构建一个具有少量样本“情景记忆”和人机协作的智能体来解决来自美国计算机奥林匹克竞赛的问题；改编自 Shi、Tang、Narasimhan 和 Yao 的论文"语言模型能否解决奥林匹克编程问题？"。
• 复杂数据提取：构建一个能够使用函数调用执行复杂提取任务的智能体

评论