本文主要基于LangGraph官网中的QuickStart示例代码，通过Streamlit来实现一个支持工具调用的聊天机器人。通过这个实现，主要可以看下LangGraph实现的ChatBot和用LangChain的区别在哪里？有哪些优势？后续我会基于streamlit可视化聊天界面继续探究LangGraph的其他特性，比如CRAG、数据库查询助手等。用langgraph实现的聊天机器人，在工具调用

它可以通过查询、检索的方式外绝外部数据，并将其传递给大模型，从而让大模型得到更多的信息，LlamaIndex主要由三部分组成：数据连接、索引构建和查询接口，它的主要目标是提高LLM对特定领域问题的回答精度。用户只需要输入简单的指令即可定义任务的目标和步骤。LangChain使用以下6种模块提供标准化、可扩展的接口和外部集成，分别是模型IO模块（Model I/O）、检索模块（Retrieval）、

聊天模型是大语言模型（LLM）的一种封装。聊天模型不再局限于提供一个“文本输入，文本输出”的API能力，而是提供一个以“聊天消息”作为输入和输出的接口。通过向聊天模型传递一个或多个消息，可以获取聊天完成的结果，响应也是一个消息。目前Langchain支持的消息类型有AIMessage、HumanMessage、SystemMessage和ChatMessage，其中ChatMessage可以接受一