freeCodeCamp.org
·
如何使用LangChain和LangGraph构建AI代理：打造一个自主的星巴克智能助手
💡
原文英文，约5900词，阅读约需22分钟。
📝
内容提要
2023年，我开始使用ChatGPT，最初是无状态的聊天机器人。2024年，升级为可以调用工具和搜索互联网的AI代理。我通过LangChain和LangGraph构建了一个智能的星巴克咖啡师，能够处理订单并保存对话历史。
🎯
关键要点
- 2023年，我开始使用ChatGPT，最初是无状态的聊天机器人。
- 2024年，ChatGPT升级为可以调用工具和搜索互联网的AI代理。
- 我通过LangChain和LangGraph构建了一个智能的星巴克咖啡师，能够处理订单并保存对话历史。
- LLM代理是能够感知环境、做出决策并采取自主行动的软件程序。
- ReAct框架允许LLM接收提示、思考、决定下一步行动并与工具交互。
- LLM代理需要记忆以保持对话的一致性，通常实现短期记忆。
- 我们将构建一个收集订单信息的星巴克咖啡师，并在满足条件后调用创建订单工具。
- 项目使用Nest.js框架，结合MongoDB进行数据持久化。
- 使用Zod库定义饮品和订单的结构化数据模式。
- 数据到文本的总结是将结构化数据转换为可读字符串，以便嵌入提示中。
- 使用MongoDB持久化订单和对话历史，以便在服务器重启后仍能访问。
- LangGraph节点是工作流的基本组件，负责执行特定任务。
- 构建的图形结构确保复杂的状态交互以协调和模块化的方式进行。
- 通过MongoDBSaver实现状态持久化，确保代理能够记住对话上下文。
- 最终构建的AI代理能够处理真实世界的任务，如星巴克咖啡师。
❓
延伸问答
如何使用LangChain和LangGraph构建AI代理？
可以通过定义结构化数据、创建工具、设置LangGraph节点来构建AI代理，最终实现一个能够处理订单的星巴克咖啡师。
什么是LLM代理，它的功能是什么？
LLM代理是一种能够感知环境、做出决策并采取自主行动的软件程序，通常通过与工具和系统交互来实现目标。
如何在Nest.js中使用MongoDB持久化数据？
在Nest.js中，可以通过Mongoose模块连接MongoDB，并定义数据模型来持久化订单和对话历史。
ReAct框架在LLM代理中有什么作用？
ReAct框架允许LLM接收提示、思考、决定下一步行动并与工具交互，从而实现复杂的决策过程。
如何定义饮品和订单的结构化数据模式？
可以使用Zod库定义饮品和订单的结构化数据模式，以确保数据的一致性和有效性。
AI代理如何处理用户的订单请求？
AI代理通过解析用户的请求，收集必要的订单信息，并在满足条件后调用创建订单的工具。
➡️
