LangGraph人机交互

Agent开发框架之Langgraph

第一章 Langgraph简介与入门
第二章 LangGraph条件边与工具调用
第三章 LangGraph人机交互：中断与调试

---

---

前言

在一些程序中，可能需要用户的状态才能使程序继续执行。例如，假如我们部署了一个web页面，在前端的输入框中得到了用户输入，接着后端接收该信息并注入到任务中，使程序根据用户的输入执行。这需要借助LangGraph的中断机制来实现，下面让我们看看怎么做！

---

一、LangGraph人机交互

为了接收外部的输入，我们先简单的实现一个框架，然后再填充该框架：

class Agent:

    def __init__(self, ...):
        # 初始化
        ...

    def get_app(self):
        # 获取流程图
        ...
        return app
    
    def reply(self, x: str):
    	# 人机交互，根据用户输入或状态，继续下一步执行
    	...

可以看到，我们包装的类主要由三部分组成，第一部分是初始化部分，他可以获得一些初始化信息，如system_prompt、对话流程长度等等，第二部分我们获取流程图，最后一部分实现人机交互逻辑，也即根据用户输入进行流程。

为了能够中断，我们需要让流程图能够实时保存信息，并在中断时持久保存，直到继续运行时加载信息。

from langgraph.checkpoint.memory import MemorySaver

我们首先引入langgraph对持久保存器的支持，然后在流程图上打上断点。

memory = MemorySaver()

app = workflow.compile(
    checkpointer=memory, interrupt_before=["get_user_input"]
)

再次可视化我们的流程图：

很好，流程图上很清晰的显示了我们的断点，在get_user_input之前进行中断，等待外界输入。

此外，为了锁定同一个流程图，我们可以在初始化过程中指定一个thread。

self.thread_id = str(uuid4())
self.thread = {
   
   "configurable": {
   
   "thread_id": self.thread_id}}

在该线程上，我们将任务流程推进到断点处。

for _ in self.app.stream(self.initial_input, self.thread, stream_mode="values"):
    pass

其中的initial_input是我们使用初始化过程中接收的系统提示和助理开场白。主要是声明了一些现实的信息，如当前时间等。

class Agent:

   def __init__(
       self,
       system_prompt: str = "你是一个乐于助人的人工智能助手。",
       assistant_start: str = "你好，有什么可以帮助您的？",
   ):
       self.initial_input = {
   
   
           "messages": [
               (
                   "system", f"{
     
     system_prompt}\n\n当前时间: {
     
     datetime.now().strftime('%Y-%m-%d %H:%M')}",
               ),
               (