Agent快速构建框架的langGraph到底是什么及案例
大家好，我是AI拉呱，专注于人工智与网络安全方面的研究，现任资深算法研究员，兼职硕士研究生导师；热爱机器学习和深度学习算法应用，深耕大语言模型微调、量化、私域部署。曾获多次获得AI竞赛大奖，拥有多项发明专利和学术论文。对于AI算法有自己独特见解和经验。曾辅导十几位非计算机学生转行到算法岗位就业。真心希望与大家一起进步成长。
1. LangGraph是什么
为啥要用LangGraph？
使用类似langchain框架开发智能体存在开发量大、灵活的性差、修改tools成本高等问题，如何降低开发量提高agent的灵活性是agent推广的一个关键点。
LangGraph 为生产级代理提供支持，受到 Linkedin、Uber、Klarna、GitLab 等的信任。LangGraph 对代理应用程序的流程和状态提供细粒度控制。它实现了一个中央持久层，支持大多数代理架构所共有的功能：
- 内存：LangGraph 可以保存应用程序状态的任意方面，支持用户交互内部和跨用户交互的对话和其他更新的内存；
- 人在链条：由于状态有检查点，因此可以中断和恢复执行，从而允许通过人工输入在关键阶段进行决策、验证和更正