from langgraph import Graph, State
class MyState(State):
query: str
plan: str | None
artifacts: list
issues: list
# Nodes
def search_node(state):
# call web search tool, write sources
return {"artifacts": state.artifacts + ,.
---
## ముఖ్య విషయాలు
- మీ వర్క్‌ఫ్లోను స్పష్టమైన స్థితితో గ్రాఫ్‌గా నమూనా చేయండి, డ్రిఫ్ట్ తగ్గించండి.
- విఫలమైతే చిహ్నాలు చేర్చడముతో చరిహితమైన చెక్క్‌పాయింట్లు ఉపయోగించండి.
- చిన్నగా ప్రారంభించి, రూటింగ్ లాజిక్ నిరూపించి, ఆపై సమాంతరత మరియు ఉపగ్రాఫ్‌లను పొడపడండి.
- మీరు పాత్ర/డైలోగ్ మేటాఫర్లను ఇష్టమైతే CrewAI/AutoGenను పరిగణించండి, స్థితి యంత్రాల ప్రచారంతో కాకుండా.
### సాధారణ ప్రశ్నలు
Q1: LangGraph అంటే ఏమిటి? ఇది LangChain Agents నుండి ఎలా భిన్నం?
LangGraph ఒక agentic state machine, AI వర్క్‌ఫ్లోలను నోడ్స్ మరియు ఎడ్జెస్‌తో స్పష్టమైన పంచుకున్న స్థితితో నమూనా చేస్తుంది. LangChain Agents యొక్క ప్రాంప్ట్-ముందు ReAct శైలితో పోలిస్తే, LangGraph నిర్ణయాత్మక రూటింగ్, లూపులు, మరియు పునరుత్పాదక అమలును ఆశ్రయిస్తుంది.
Q2: LangGraph బహుళ ఏజెంట్ వ్యవస్థలకు అనుకూలమా?
అవును. మీరు పాత్రలను నోడ్స్ లేదా ఉపగ్రాఫ్స్‌గా ప్రాతినిధ్యం వహించి, పాలసీలు మరియు పంచుకున్న స్థితితో వాటిని సమన్వయించవచ్చు, డైలాగ్-మాత్రపు విధానాల కంటే బహుళ ఏజెంట్ సహకారాన్ని మరింత అంచనా వేయగలదు.
Q3: నేను LangGraphని CrewAI లేదా AutoGen కంటే ఎప్పుడు ఉపయోగించాలి?
నిర్ణయాత్మక ఫ్లో నియంత్రణ, లూపులు, వాలిడేషన్ గేట్లు, మరియు చెక్క్‌పాయింట్లు అవసరమైతే LangGraphను ఎంచుకోండి. పాత్ర-ఆధారిత లేదా సంభాషణాత్మక సహకారం కావాలనుకున్నప్పుడు CrewAI లేదా AutoGen బెటర్ అవుతుంది, స్పష్టమైన స్థితిపై తక్కువ అస్తావ్యం ఉంటే.
Q4: LangGraph స్వీయ-పరిశీలన లూప్స్ మద్దతు ఇస్తదా?
అవును. బిల్డర్లు సాధారణంగా రిఫ్లెక్షన్ మరియు విమర్శ చక్రాలు అమలు చేస్తుంటారు, అవి ఫలితాలను క్రమంగా మెరుగుపరుస్తాయి మరియు కమ్యూనిటీ తరచూ చర్చ చేస్తుంది.
Q5: LangGraph నమ్మకదారిత్వం మరియు పునర్జీవితం ఎలా నిర్వహిస్తది?
<a37>LangGraph చెక్క్‌పాయింట్లు మరియు స్పష్టమైన స్థితిని మద్దతు ఇస్తుంది, రీట్రైలు, పునరారంభం మరియు సురక్షితమైన విఫలం నిర్వహణను సాధ్యమవుస్తుంది—వీటిని లోతైన సమీక్షలు మరియు ప్రాక్టీషనర్ మార్గదర్శకాలు ప్రధానంగా గుర్తిస్తాయి.