深度学习-133-LangGraph之应用实例(二)使用面向过程和面向对象的两种编程方式构建带记忆的聊天机器人
文章目录
- 1 通用配置
-
- 1.1 大语言模型ChatOllama
- 1.2 函数trim_messages
-
- 1.2.1 函数概述
- 1.2.2 函数参数
- 1.2.3 测试应用
- 2 面向过程编程
-
- 2.1 不裁剪历史信息
-
- 2.1.1 创建图
- 2.1.2 调用图
- 2.2 裁剪历史信息
-
- 2.2.1 创建图
- 2.2.2 调用图
- 3 面向对象编程
-
- 3.1 定义类MyState
- 3.2 定义类AIChat
- 3.3 应用
- 4 附录
-
- 4.1 问题及解决tokenizer
- 4.2 参考附录
1 通用配置
LangGraph是Langchain团队开发的一个Python库，专门用于创建可以记住状态的、复杂的AI工作流和多智能体系统。
它的核心目标是解决传统AI编排中的关键痛点：
(1)无法处理复杂的决策逻辑。
(2)难以实现智能体之间的交互。
(3)缺乏上下文记忆和状态管理。
LangGraph通过有向图(Directed Graph)的方式，解决了这些问题。
安装pip install langgraph。
1.1 大语言模型ChatOllama
from langchain_ollama import ChatOllama
import os
os.environ['OLLAMA_HOST'] = '127.0.0.1'
os.environ