AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


LangGraph全新4大预构建Agents框架登场

发布日期:2025-03-02 22:16:11 浏览次数: 1642 来源:PaperIdea
推荐语

LangGraph引领AI智能体新纪元,四大预构建框架全面开源!

核心内容:
1. LangGraph Swarm:构建类似蜂群的多智能体系统,智能体动态移交控制权
2. LangMem:智能体长期记忆管理,存储关键事实和执行任务的内化知识
3. 特定任务智能体与层次化多智能体框架,专业化智能体协同工作
4. 基于LangGraph构建,支持流式处理、短期和长期记忆、人机协同

杨芳贤
53A创始人/腾讯云(TVP)最具价值专家
LangGraph预构建Agents(Prebuilt Agents)生态迎来一波新的开源项目,涉及:群体智能体、智能体记忆管理、特定任务智能体层次化多智能体硬核开源...,此前的open_deep_research也受到广泛关注,收获1.8k star。
一、LangGraph Swarm
撞名OpenAI多智能体框架Swarm,用于创建类似蜂群(swarm)的多智能体系统,智能体根据其专业领域动态地将控制权移交给彼此。系统会记住最后活跃的智能体,确保在后续交互中,对话会从该智能体继续进行。
  • 多智能体协作:使专业化的智能体能够协同工作,并相互传递上下文。
  • 可定制的交接工具:内置用于智能体之间通信的工具。
该库基于 LangGraph 构建,这是一个强大的框架,用于构建智能体应用程序,并且开箱即用地支持:流式处理、短期和长期记忆、人机协同(human-in-the-loop)。
pip install langgraph-swarm
https://github.com/langchain-ai/langgraph-swarm-py
二、LangMem
LangMem SDK,一个帮助智能体通过长期记忆学习和改进的库。它提供了从对话中提取信息的工具,通过更新提示来优化智能体的行为,并维护关于行为、事实和事件的长期记忆。
  • 语义记忆用于存储关键事实(及其关系)以及其他信息,这些信息为智能体的响应提供了基础。它使智能体能够记住那些不会被“预先训练”到模型本身中的重要细节,而这些细节也无法通过网络搜索或通用检索器获得。
  • 程序性记忆代表了执行任务的内化知识。它与情景记忆不同,因为它专注于通用技能、规则和行为。对于 AI 智能体来说,程序性记忆通过模型权重、智能体代码和智能体的提示共同保存,这些因素共同决定了智能体的功能。在 LangMem 中,专注于将学到的程序作为更新后的指令保存到智能体的提示中。
pip install -U langmem
https://blog.langchain.dev/langmem-sdk-launch/https://github.com/langchain-ai/langmem
三、trustcall
基于 LangGraph 的强大工具调用库,旨在通过让 LLM(大型语言模型)生成 JSON 补丁操作来提高生成和修改复杂 JSON 结构的效率和准确性
https://github.com/hinthornw/trustcall
四、langgraph-supervisor

用于创建层次化的多智能体(Multi-Agent)系统,允许用户创建一个中央监督者Agent,通过这个超级智能体协调多个专业智能体的任务与沟通,并根据当前上下文和任务需求决定调用哪个Agent。

在这里插入图片描述
  • 创建监督者代理,来调度多个专业化Agent;
  • 基于工具的Agent交接机制,实现Agent间的沟通;
  • 灵活的消息历史管理,用于控制对话。
https://github.com/langchain-ai/langgraph-supervisor-py

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询