构建一个基本聊天机器人

创建一个 StateGraph
添加一个节点
添加一个入口点
编译图
可视化图（可选）
运行聊天机器人

在本教程中，构建一个基本聊天机器人

这个聊天机器人是后续系列教程的基础，在这些教程中，将逐步添加更复杂的功能

并在此过程中了解 LangGraph 的关键概念。让我们开始吧！

创建一个 StateGraph

现在可以使用 LangGraph 创建一个基本聊天机器人。这个聊天机器人将直接回复用户的消息。

首先创建一个 StateGraph 。一个 StateGraph 对象将聊天机器人结构定义为 状态机

添加节点来表示 LLM 和聊天机器人可以调用的函数
添加边来指定机器人应如何在这些函数之间进行转换

from typing import Annotated

from typing_extensions import TypedDict

from langgraph.graph import StateGraph, START
from langgraph.graph.message import add_messages


class State(TypedDict):
    # Messages have the type "list". The `add_messages` function
    # in the annotation defines how this state key should be updated
    # (in this case, it appends messages to the list, rather than overwriting them)
    messages: Annotated[list, add_messages]


graph_builder = StateGraph(State)

现在可以处理两个关键任务

每个节点都可以接收当前状态作为输入，并输出状态的更新

对消息的更新将追加到现有列表而不是覆盖它

这得益于与 Annotated 语法一起使用的预构建 add_messages 函数

定义图时：第一步是定义其状态。状态包括图的模式和处理状态更新的 reducer 函数

在我们的示例中，状态 是一个具有一个键：messages 的 TypedDict

add_messages reducer 函数用于将新消息追加到列表中，而不是覆盖它

没有 reducer 注解的键将覆盖先前的值

要了解有关状态、reducer 和相关概念的更多信息，请参阅 LangGraph 参考文档

添加一个节点

接下来，添加一个“chatbot”节点。节点表示工作单元，通常是普通的 Python 函数

首先选择一个聊天模型：

import os
from langchain.chat_models import init_chat_model

os.environ["ANTHROPIC_API_KEY"] = "sk-..."

llm = init_chat_model("anthropic:claude-3-5-sonnet-latest")

现在可以将聊天模型集成到一个简单的节点中

def chatbot(state: State):
    return {"messages": [llm.invoke(state["messages"])]}


# The first argument is the unique node name
# The second argument is the function or object that will be called whenever
# the node is used.
graph_builder.add_node("chatbot", chatbot)

注意 chatbot 节点函数 :

将当前状态作为输入
返回一个包含更新的消息列表的字典
- 键为 messages

这是所有 LangGraph 节点函数的基本模式

状态中的 add_messages 函数会将 LLM 的响应消息追加到状态中已有的消息之后

添加一个入口点

添加一个入口点，以告诉图每次运行时从何处开始工作

graph_builder.add_edge(START, "chatbot")

编译图

在运行图之前，需要对其进行编译。可以通过在图构建器上调用 compile() 来完成。这将创建一个 CompiledGraph ，可以在我们的状态上调用它

graph = graph_builder.compile()

可视化图（可选）

可以使用 get_graph 方法和其中一个“绘图”方法（例如 draw_ascii 或 draw_png）来可视化图

from IPython.display import Image, display

try:
    display(Image(graph.get_graph().draw_mermaid_png()))
except Exception:
    # This requires some extra dependencies and is optional
    pass

这些 draw 方法都需要额外的依赖项

运行聊天机器人

可以随时通过键入 quit、exit 或 q 来退出聊天循环

def stream_graph_updates(user_input: str):
    for event in graph.stream({"messages": [{"role": "user", "content": user_input}]}):
        for value in event.values():
            print("Assistant:", value["messages"][-1].content)


while True:
    try:
        user_input = input("User: ")
        if user_input.lower() in ["quit", "exit", "q"]:
            print("Goodbye!")
            break
        stream_graph_updates(user_input)
    except:
        # fallback if input() is not available
        user_input = "What do you know about LangGraph?"
        print("User: " + user_input)
        stream_graph_updates(user_input)
        break

恭喜！已经使用 LangGraph 构建了第一个聊天机器人。这个机器人可以通过接收用户输入并使用 LLM 生成响应来参与基本对话

可能已经注意到，该机器人的知识仅限于其训练数据中的内容

在下一部分中，将添加一个网络搜索工具，以扩展机器人的知识并使其功能更强大

Next：添加工具

Home: 基础知识