主页
LangGraph 被 Replit、优步、领英、GitLab 等公司使用，它是一个用于构建可控智能体的底层编排框架。虽然 LangChain 提供了集成和可组合的组件来简化大语言模型（LLM）应用程序的开发，但 LangGraph 库支持智能体编排，它提供可定制的架构、长期记忆和人工干预功能，以可靠地处理复杂任务。
要了解更多关于如何使用 LangGraph 的信息，请查看 文档。下面我们展示一个如何创建 ReAct 智能体的简单示例。
# 此代码依赖于 pip install langchain[anthropic]
from langgraph.prebuilt import create_react_agent
def search(query: str):
"""调用以浏览网页。"""
if "sf" in query.lower() or "san francisco" in query.lower():
return "气温 60 华氏度，有雾。"
return "气温 90 华氏度，阳光明媚。"
agent = create_react_agent("anthropic:claude-3-7-sonnet-latest", tools=[search])
agent.invoke(
{"messages": [{"role": "user", "content": "旧金山的天气如何"}]}
)
为什么选择 LangGraph？¶
LangGraph 专为希望构建强大、适应性强的 AI 智能体的开发者而设计。开发者选择 LangGraph 的原因如下：
- 可靠性和可控性：通过审核检查和人工介入审批来引导智能体的行动。LangGraph 能为长时间运行的工作流保留上下文，确保智能体按计划执行。
- 底层且可扩展：使用完全可描述的底层原语构建自定义智能体，摆脱限制定制性的僵化抽象。设计可扩展的多智能体系统，每个智能体都能根据你的用例扮演特定角色。
- 一流的流式支持：通过逐令牌流式传输和中间步骤流式传输，LangGraph 能让用户实时清晰地了解智能体的推理和行动过程。
LangGraph 在生产环境中备受信赖，为以下公司的智能体提供支持：
LangGraph 的生态系统¶
虽然 LangGraph 可以独立使用，但它也能与任何 LangChain 产品无缝集成，为开发者提供一套完整的构建智能体的工具。为了提升你的大语言模型（LLM）应用开发效率，可将 LangGraph 与以下工具搭配使用：
- LangSmith — 对智能体评估和可观测性很有帮助。调试表现不佳的大语言模型应用运行情况，评估智能体轨迹，在生产环境中实现可视化，并随着时间推移提升性能。
- LangGraph 平台 — 使用专门为长时间运行的有状态工作流打造的部署平台，轻松部署和扩展智能体。在团队间发现、复用、配置和共享智能体 — 并通过 LangGraph 工作室 中的可视化原型设计进行快速迭代。
与 LangGraph 平台配对使用¶
虽然 LangGraph 是我们的开源智能体编排框架，但需要进行可扩展智能体部署的企业可以从 LangGraph 平台 中受益。
LangGraph 平台可以帮助工程团队：
- 加速智能体开发：使用可配置的模板和 LangGraph 工作室 快速创建智能体用户体验，该工作室可用于可视化和调试智能体交互。
- 无缝部署：我们会处理智能体部署的复杂性。LangGraph 平台提供了用于内存、线程和定时任务的强大 API，以及自动扩展的任务队列和服务器。
- 集中化智能体管理与复用：在整个组织内发现、复用和管理智能体。业务用户还可以在无需编码的情况下修改智能体。
额外资源¶
- LangChain 学院：通过我们免费且结构化的课程学习 LangGraph 的基础知识。
- 教程：提供引导示例的简单操作指南，助您快速上手 LangGraph。
- 模板：针对常见的智能体工作流（例如 ReAct 智能体、内存、检索等）预先构建的参考应用程序，可进行克隆和调整。
- 操作指南：关于流式处理、添加内存和持久性以及设计模式（例如分支、子图等）等主题的快速实用代码片段。
- API 参考：关于核心类、方法、如何使用图和检查点 API 以及更高级的预构建组件的详细参考。
- 使用 LangGraph 构建的项目：了解行业领导者如何使用 LangGraph 推出强大的、可投入生产的 AI 应用程序。
致谢¶
LangGraph 的灵感来源于 Pregel 和 Apache Beam。其公共接口的设计借鉴了 NetworkX。LangGraph 由 LangChain 的开发者 LangChain 公司构建，但无需依赖 LangChain 即可使用。