背景与问题
langchain的langGraph是一个用于构建和管理语言模型的框架。它提供了一种简单而强大的方式来定义和执行语言模型的任务。
- 前者用于简单的任务，可以链式调用，一次执行完成。
- 后者对复杂任务的处理能力更强，支持循环、条件判断等复杂逻辑。
基本概念
-
节点（Node）： Graph 中所有节点共享的数据容器。 表示一个任务的节点。每个节点都有一个唯一的标识符和一个定义好的任务。
-
边（Edge）： 一个普通 Python 函数，接收当前 state，返回需要更新的字段。 表示节点之间的依赖关系或执行顺序。每条边都有一个方向，从一个节点指向另一个节点。
-
状态（State）：
连接节点，定义执行流程。 表示语言模型在执行过程中的中间结果或上下文。状态可以在节点之间传递，用于存储和更新信息。
执行流程
START → node_a → node_b → node_c → END
↑读写State ↑读写State ↑读写State
hello world
"""
第 01 节：LangGraph 核心概念 - State、Node、Edge
这是最简单的 LangGraph 程序：
START → 问候节点 → 大写节点 → END
"""
from typing import TypedDict
from langgraph.graph import StateGraph, START, END
# ============================================================
# 1. 定义 State（图的共享数据结构）
# ============================================================
class State(TypedDict):
message: str # 消息内容
result: str # 处理结果
# ============================================================
# 2. 定义 Node（处理函数）
# ============================================================
def greet_node(state: State) -> dict:
"""问候节点：在消息前加上问候语"""
greeted = f"你好！收到你的消息：{state['message']}"
print(f"[greet_node] {greeted}")
return {"result": greeted}
def uppercase_node(state: State) -> dict:
"""大写节点：把 result 中的英文字母转大写"""
upper = state["result"].upper()
print(f"[uppercase_node] {upper}")
return {"result": upper}
# ============================================================
# 3. 构建 Graph（连接节点和边）
# ============================================================
builder = StateGraph(State)
# 添加节点
builder.add_node("greet", greet_node)
builder.add_node("uppercase", uppercase_node)
# 添加边（定义执行顺序）
builder.add_edge(START, "greet") # 起点 → greet
builder.add_edge("greet", "uppercase") # greet → uppercase
builder.add_edge("uppercase", END) # uppercase → 终点
# 编译（生成可运行的 graph）
graph = builder.compile()
# ============================================================
# 4. 运行
# ============================================================
if __name__ == "__main__":
# 传入初始 State
initial_state = {"message": "hello LangGraph", "result": ""}
print("=== 开始运行 Graph ===")
final_state = graph.invoke(initial_state)
print("\n=== 最终 State ===")
print(final_state)
总结使用步骤
- 定义 State 数据结构，用于存储和传递信息。
- 实现 Node 函数，定义每个任务的处理逻辑。
- 使用 StateGraph 构建图，添加节点和边。
- 编译图，生成可运行的 graph。
- 传入初始 State，调用 graph.invoke() 执行任务。
注意事项
- 每个节点的处理函数必须接收并返回 State 字典。
- 节点之间的边必须定义好方向，从一个节点指向另一个节点。
- 状态（State）是图的共享数据结构，所有节点都可以读写它。
- 节点必须返回一个字典，包含需要更新的字段即可（无须全部返回）