from langgraph import Graph, State
class MyState(State):
query: str
plan: str | None
artifacts: list
issues: list
# नोड्स
def search_node(state):
# वेब शोध टूल कॉल करा, स्रोत लिहा
return {"artifacts": state.artifacts + ,.
---
## मुख्य मुद्दे
- आपल्या वर्कफ्लोला ग्राफसह आणि स्पष्ट स्थितीसह मॉडेल करा, ज्यामुळे ड्रिफ्ट कमी होतो.
- अपयश स्वस्त आणि परत मिळवण्याजोगे करण्यासाठी व्हॅलिडेटर्स आणि चेकपॉइंट्स वापरा.
- लहानपासून सुरू करा, राउटिंग लॉजिक सिद्ध करा, नंतर समांतरता आणि सबग्राफ समाविष्ट करा.
- तुम्हाला स्थिती मशीनपेक्षा भूमिका/संवाद metaphors अधिक आवडत असल्यास CrewAI/AutoGen विचार करा.
### FAQ
Q1:LangGraph म्हणजे काय आणि हे LangChain Agents पेक्षा कसे वेगळे आहे?
LangGraph हा एक एजेंटिक स्टेट मशीन आहे जो AI वर्कफ्लोला नोड्स व एजेससह स्पष्ट सामायिक स्थिती म्हणून मॉडेल करतो. LangChain Agents च्या प्रॉम्प्ट-प्रथम ReAct शैलीच्या तुलनेत, LangGraph ठराविक राउटिंग, लूप्स आणि पुनर्प्राप्ती अंमलबजावणीवर भर देतो.
Q2:LangGraph बहु-एजंट सिस्टमसाठी योग्य आहे का?
होय. तुम्ही भूमिका नोड्स किंवा सबग्राफ्स म्हणून प्रतिनिधित्व करू शकता आणि धोरणे व सामायिक स्थिती वापरून त्यांचे समन्वय करू शकता, ज्यामुळे संवाद-फक्त पध्दतींपेक्षा बहु-एजंट सहकार्य अधिक अनुमाननीय होते.
Q3:CrewAI किंवा AutoGen च्या तुलनेत कधी LangGraph वापरावे?
ठराविक प्रवाह नियंत्रण, लूप, प्रमाणीकरण गेट्स आणि चेकपॉइंट्स आवश्यक असल्यास LangGraph निवडा. भूमिका-आधारित किंवा संवादात्मक सहकार्य हवे असल्यास CrewAI किंवा AutoGen अधिक योग्य असू शकतात.
Q4:LangGraph स्वप्रतिबिंब लूप सपोर्ट करतो का?
होय. निर्माते सामान्यतः प्रतिबिंब आणि अभिप्राय चक्र तयार करतात जे पुनरावृत्ती करून आउटपुट सुधारतात, जे समुदायात वारंवार चर्चिले जाते.
Q5:LangGraph विश्वासार्हता आणि पुनर्प्राप्ती कशी हाताळतो?
<a37>LangGraph चेकपॉइंट्स आणि स्पष्ट स्थितीची मदत करतो, ज्यामुळे रीट्राय, पुन्हा सुरू करण्यायोग्यता, आणि जास्त सुरक्षित अपयश हाताळणी शक्य होते—हे वैशिष्ट्ये सखोल पुनरावलोकने आणि प्रॅक्टिशनर मार्गदर्शकांमध्ये अधोरेखित केली गेली आहेत.