LangGraph.yml

## Hi there 👋
Logotipo de LangGraph

Versión Descargas Problemas abiertos Documentos

LangGraph, en el que confían las empresas que están dando forma al futuro de los agentes (entre ellas Klarna, Replit, Elastic y más), es un marco de orquestación de bajo nivel para crear, administrar e implementar agentes con estado y de larga duración.

Primeros pasos
Instalar LangGraph:

pip install -U langgraph
Crear un flujo de trabajo sencillo:

from langgraph.graph import START, StateGraph
from typing_extensions import TypedDict


class State(TypedDict):
    text: str


def node_a(state: State) -> dict:
    return {"text": state["text"] + "a"}


def node_b(state: State) -> dict:
    return {"text": state["text"] + "b"}


graph = StateGraph(State)
graph.add_node("node_a", node_a)
graph.add_node("node_b", node_b)
graph.add_edge(START, "node_a")
graph.add_edge("node_a", "node_b")

print(graph.compile().invoke({"text": ""}))
# {'text': 'ab'}
Comienza con la guía de inicio rápido de LangGraph

Para crear agentes rápidamente con LangChain create_agent(creado en LangGraph), consulte la documentación de Agentes de LangChain .

Beneficios principales
LangGraph proporciona una infraestructura de soporte de bajo nivel para cualquier flujo de trabajo o agente con estado de larga duración. LangGraph no abstrae las indicaciones ni la arquitectura, y proporciona los siguientes beneficios principales:

Ejecución duradera : cree agentes que persistan ante fallas y puedan ejecutarse durante períodos prolongados, reanudándose automáticamente exactamente desde donde se quedaron.
Human-in-the-loop : incorpore sin problemas la supervisión humana inspeccionando y modificando el estado del agente en cualquier punto durante la ejecución.
Memoria integral : cree agentes verdaderamente con estado, con memoria de trabajo a corto plazo para el razonamiento continuo y memoria persistente a largo plazo en todas las sesiones.
Depuración con LangSmith : obtenga una visibilidad profunda del comportamiento complejo de los agentes con herramientas de visualización que rastrean rutas de ejecución, capturan transiciones de estado y brindan métricas de tiempo de ejecución detalladas.
Implementación lista para producción : implemente sistemas de agentes sofisticados con confianza con una infraestructura escalable diseñada para manejar los desafíos únicos de los flujos de trabajo de larga duración y con estado.
<!--
**gniumg-source/.github** is a ✨ _special_ ✨ repository because its `profile/README.md` (this file) appears on your GitHub profile.

Here are some ideas to get you started:

- 🔭 I’m currently working on ...
- 🌱 I’m currently learning ...
- 👯 I’m looking to collaborate on ...
- 🤔 I’m looking for help with ...
- 💬 Ask me about ...
- 📫 How to reach me: ...
- 😄 Pronouns: ...
- ⚡ Fun fact: ...
-->