from typing import TypedDict, List
from langgraph.graph import StateGraph, END
from langchain_openai import ChatOpenAI
# 1) הגדרת מצב
action_token = "<act>" # איתות פשוט לשימוש בכלי מול תשובה סופית
class State(TypedDict):
messages: List.
- קורס מבוא חינמי ל-LangGraph מאקדמיית LangChain.
- קורס וידאו מלא למתחילים, שמתייחס לתהליכי שיחה מורכבים.
## סיכום: מפרוטוטייפ לסוכנים אמינים
LangGraph נותן שליטה גרפית מקורית על יישומי LLM: נתיבים מפורשים, מצב ניתנים להמשך והתנהגות נתצפת. התחל בקטן עם לולאת סוכן יחיד, ואחר כך התחל עם מפקחים רב-סוכניים, שערי מדיניות וסקירה אנושית. שמור על צמתים פשוטים, מצב נקי ונתיבים דטרמיניסטיים.
צעדים לפעולה:
- בניית מצב מינימלי ושני צמתים (`agent`, `tool`).
- הוסף נתב עם מסלול `END` ברור.
- כלול נקודות שמירה ובדיקות לפני שאתה מגדיל את ההיקף.
- הוסף כלים וסוכנים מומחים ככל שאתה מתקדם.
עם הבסיס הזה — ולולאת איתור תקלות חזקה — תשלח מערכות סוכנים שמתנהגות באופן עקבי בפרודקשן.
### שאלות נפוצות
שאלה 1: למה משמש LangGraph?
LangGraph משמש לבניית תהליכי עבודה סוכניים ורב-סוכניים אמינים עם זרימת בקרה מפורשת, מצב מתמיד ונקודות שמירה. הוא אידיאלי ללולאות, שימוש בכלים, שלבים עם מעורבות אדם ואורקסטרציה מורכבת.
שאלה 2: איך מתקינים ומגדירים את LangGraph?
התקן עם `pip install langgraph langchain` (Python) או `npm i @langchain/langgraph langchain` (JS/TS). הגדר את ספק ה-LLM שלך (למשל, `OPENAI_API_KEY`) והתחל בהגדרת `State`, צמתים וקצוות מותנים.
שאלה 3: האם LangGraph שונה מ-LangChain?
כן. LangGraph היא חבילה נפרדת המתמקדת באורקסטרציה מבוססת גרפים ותהליכים עם מצב ניתנים להמשך וברי שרידות. היא משלימה את המודלים, הכלים והאינטגרציות של LangChain, ומוסיפה דטרמיניזם ואמינות.
שאלה 4: האם אפשר לבנות מערכות רב-סוכניים ב-LangGraph?
בהחלט. LangGraph תומך בדגמי מפקח-פועל, סוכני דיון או ועדות, ושערי מדיניות. אתה מנתב בין סוכנים דרך קצוות מותנים ושומר על מצב משותף או מפוצל.
שאלה 5: איך מונעים לולאות אינסופיות ב-LangGraph?
<a39>הגדר תנאי סיום ברורים ותמיד ספק מסלול `END` בנתבים. הוסף מונים ללולאות או מגבלות זמן במצב, דלל הודעות וכתוב בדיקות יחידה לוודא את לוגיקת הניתוב.