深入浅出:大模型智能体开发基础与LangGraph框架应用!
“ 智能体的基础是大模型的函数调用,而框架只是对其能力的封装。”
我们首先要明确一个概念,即智能体是基于大模型应用设计的一套机制,其本质是大模型提供的函数调用功能(function call),包括现在的MCP服务;而框架只是对这些原生能力的封装,便于开发人员进行功能开发,而不用去处理太多细节性问题。
所以,在做大模型开发时,虽然要学好框架的使用,但更重要的是要搞明白智能体的运行机制,已经框架在其上做了哪些完善和增强。
Langgraph框架的运作流程
在Langgraph中的核心概念主要有三个——State(状态),Nodes(节点),Edges(边);其中状态的主要载体是StateGraph状态图,其作用是一个全局变量,用来保存智能体执行过程中的数据;而节点是一个个功能节点,比如说模型节点,工具节点等;而边应该叫做条件边,意思是根据边来判断下一个应该执行哪个节点。
简而言之:节点完成工作,边告诉下一步做什么,而State在节点和边中传递参数。

因此,Langgraph开发的智能体是一个基于节点和边为主体的整体,而其有两个特殊节点——start开始节点和end结束节点;所谓的开始节点是只智能体的入口,而结束节点是智能体的终止节点,其它节点则都属于功能节点。
在我们开发一个智能体的过程中,首先我们要指定开始节点和结束节点,然后再根据功能需求填充功能节点。
如下,添加节点和边,并编译图:

其中节点的执行过程是顺序的以及并行的,顺序的是指一个节点执行完毕之后,并把执行结果保存到State中;然后根据边再执行下一个节点或多个节点;之所以又是并行的原因是因为,一个节点执行完成之后可以根据边执行一个或多个下一个节点。
这里说起来可能有点绕,但Langgraph中确实支持多节点执行。
边定义了逻辑如何路由以及图如何决定停止。这是代理工作以及不同节点如何相互通信的重要组成部分

在Langgraph中边有多种类型,主要包括以下几种:
- 普通边:直接从一个节点到下一个节点。
- 条件边:调用一个函数来确定接下来要前往哪个(或哪些)节点。
- 入口点:当用户输入到达时,首先调用哪个节点。
- 条件入口点:调用一个函数来确定当用户输入到达时,首先调用哪个(或哪些)节点。
一个节点可以有多个出边。如果一个节点有多个出边,所有这些目标节点将在下一个超级步骤中并行执行,这就是可以多节点执行的原因。
Langgraph之所以强大的原因,还在于StateGraph状态图中,原因是因为在状态图中可以保存节点执行的所有中间结果;这样当智能体由于某种原因被迫中断时,依然可以根据状态图中的执行结果,随时恢复到当时的运行状态。
AI大模型从0到精通全套学习大礼包
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
只要你是真心想学AI大模型,我这份资料就可以无偿共享给你学习。大模型行业确实也需要更多的有志之士加入进来,我也真心希望帮助大家学好这门技术,如果日后有什么学习上的问题,欢迎找我交流,有技术上面的问题,我是很愿意去帮助大家的!
如果你也想通过学大模型技术去帮助就业和转行,可以扫描下方链接👇👇
大模型重磅福利:入门进阶全套104G学习资源包免费分享!

01.从入门到精通的全套视频教程
包含提示词工程、RAG、Agent等技术点

02.AI大模型学习路线图(还有视频解说)
全过程AI大模型学习路线


03.学习电子书籍和技术文档
市面上的大模型书籍确实太多了,这些是我精选出来的


04.大模型面试题目详解


05.这些资料真的有用吗?
这份资料由我和鲁为民博士共同整理,鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位,在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利,同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。
所有的视频由智泊AI老师录制,且资料与智泊AI共享,相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目,无论你是小白还是有些技术基础的,这份资料都绝对能帮助你提升薪资待遇,转行大模型岗位。


智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念,通过动态追踪大模型开发、数据标注伦理等前沿技术趋势,构建起"前沿课程+智能实训+精准就业"的高效培养体系。
课堂上不光教理论,还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作,把课本知识变成真本事!

如果说你是以下人群中的其中一类,都可以来智泊AI学习人工智能,找到高薪工作,一次小小的“投资”换来的是终身受益!
应届毕业生:无工作经验但想要系统学习AI大模型技术,期待通过实战项目掌握核心技术。
零基础转型:非技术背景但关注AI应用场景,计划通过低代码工具实现“AI+行业”跨界。
业务赋能 突破瓶颈:传统开发者(Java/前端等)学习Transformer架构与LangChain框架,向AI全栈工程师转型。
👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

为武汉地区的开发者提供学习、交流和合作的平台。社区聚集了众多技术爱好者和专业人士,涵盖了多个领域,包括人工智能、大数据、云计算、区块链等。社区定期举办技术分享、培训和活动,为开发者提供更多的学习和交流机会。
更多推荐



所有评论(0)