智能体（Agents） 是将大型语言模型（LLMs）与各种工具（Tools）相结合的系统，能够推理复杂任务、自主决定使用何种工具，并通过迭代方式逐步解决问题。
函数提供了一个生产就绪的智能体实现。它基于LangGraph构建了一个图结构（graph）的智能体运行时环境。这种架构由节点（nodes，即处理步骤）和边（edges，即连接关系）组成，智能体在执行过程中会沿着这个图结构移动，执行如模型调用、工具执行等节点操作。
智能体的核心执行遵循 ReAct模式（“推理+行动”）：交替进行推理步骤和工具调用，并将工具执行结果作为后续决策的输入，直至达成目标或达到迭代限制。
2.1 模型（Model）：智能体的推理引擎
模型是智能体的核心，它可以通过静态或动态方式进行配置。
2.1.1 静态模型
静态模型在创建智能体时一次性配置，执行过程中保持不变。
- 使用模型标识符字符串：最简单直接的方式。
- 直接实例化模型对象：提供更精细的控制。
2.1.2 动态模型
动态模型允许根据运行时上下文选择不同的模型，实现复杂路由逻辑和成本优化。
2.2 工具（Tools）：智能体的行动能力
工具赋予智能体执行具体操作的能力，支持顺序调用、并行调用、动态选择和错误处理等功能。
2.2.1 定义工具
2.2.2 工具错误处理
2.2.3 ReAct循环中的工具使用示例
智能体通过ReAct循环逐步解决问题：
- 人类消息：查找当前最流行的无线耳机并检查库存
- 推理：“流行度具有时效性，我需要使用搜索工具”
- 行动：调用
- 工具返回：找到5个匹配项，排名第一：WH-1000XM5
- 推理：“需要在回答前确认库存”
- 行动：调用
- 工具返回：产品WH-1000XM5：库存10件
- 推理：“已获取最流行型号及库存状态，可以回答问题”
- 最终答案：生成包含具体信息的回答
2.3 系统提示（System Prompt）
系统提示用于塑造智能体的行为方式。
2.3.1 基本用法
2.3.2 高级控制
使用对象可以提供更精细的控制：
2.3.3 动态系统提示
智能体通过向其状态（State） 传递更新来调用。所有智能体都在状态中包含一系列消息。
4.1 结构化输出（Structured Output）
LangChain提供两种结构化输出策略。
4.1.1 工具策略（ToolStrategy）
适用于任何支持工具调用的模型，通过“人工”工具调用来生成结构化输出。
4.1.2 供应商策略（ProviderStrategy）
利用模型供应商的原生结构化输出功能，更加可靠但仅限支持此功能的供应商。
重要提示：在LangChain 1.0中，直接传递模式（如）不再支持，必须明确使用或。
4.2 记忆（Memory）
智能体通过消息状态自动维护对话历史，也可以配置自定义状态模式来记住更多信息。
4.2.1 通过中间件定义状态
当自定义状态需要被特定中间件钩子和工具访问时使用。
4.2.2 通过state_schema定义状态
作为快捷方式，当自定义状态仅在工具中使用时适用。
- 模型选择：简单应用使用静态模型，需要智能路由时使用动态模型
- 工具设计：为每个工具提供清晰描述和类型提示，实现适当的错误处理
- 提示工程：基础任务使用字符串提示，高级需求使用或动态提示
- 输出控制：需要特定格式输出时使用结构化输出策略
- 状态管理：利用自定义状态跟踪对话上下文和用户偏好
本指南涵盖了LangChain智能体的核心概念和高级特性。实际应用中，建议从简单配置开始，逐步根据需求添加复杂度，充分利用中间件和状态管理来构建强大的智能体应用。
发布者：Ai探索者，转载请注明出处：https://javaforall.net/238463.html原文链接：https://javaforall.net
