前言
Agent 可能不可靠,并且可能需要人工输入才能成功完成任务。因此,您可能希望在运行之前需要人工批准,以确保一切按预期运行。例如以下操作:
- 批准工具调用并继续
- 手动修改工具调用然后继续
- 给出自然语言反馈,然后将其传回给代理
我们可以使用 interrupt() 函数在 LangGraph 中实现这些功能。
LangGraph 的 持久化 层支持人在回路工作流,允许根据用户反馈暂停和恢复执行 。此功能的主要接口是 interrupt
函数。
在节点内部调用 interrupt 将暂停执行。通过传入 Command,可以恢复执行,并接收来自人工的新输入。
官方资料
API 参考:interrupt
操作指南:人类在环
官方文档:提示聊天机器人
实践人工协助聊天机器人
创建可以人工协助的聊天机器人
在本节,我们在第三部分的现有代码基础上添加一个humna_assistance工具,此工具使用 interrupt 从人工接收信息。
python
import os
from typing import Annotated
# from langchain.chat_models import init_chat_model
from langchain_openai import ChatOpenAI
from langchain_tavily import TavilySearch
from langchain_core.tools import tool
from typing_extensions import TypedDict
from langgraph.checkpoint.memory import MemorySaver# 内存检查点,用于保存会话状态
from langgraph.graph import StateGraph, START, END
from langgraph.graph.message import add_messages
from langgraph.prebuilt import ToolNode, tools_condition# 预构建的工具节点和条件路由函数
from langgraph.types import Command, interrupt# 命令类型和中断函数,用于与外部交互
#环境变量设置
os.environ['TAVILY_API_KEY'] = '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'
os.environ['ARK_API_KEY'] = '8748a662-692f-4e88-a12e-53a6442b7518'
class State(TypedDict):
messages: Annotated[list, add_messages]
graph_builder = StateGraph(State)
# 使用@tool装饰器定义自定义工具:请求人工协助
@tool
def human_assistance(query: str) -> str:
"""Request assistance from a human."""
human_response = interrupt({"query": query})
return human_response["data"]
tool = TavilySearch(max_results=2)
tools = [tool, human_assistance]# 定义工具列表,包含Tavily搜索和人工协助工具
llm = ChatOpenAI(
base_url="https://ark.cn-beijing.volces.com/api/v3",
api_key=os.environ.get('ARK_API_KEY'),
model="doubao-1-5-pro-32k-250115" # 根据实际模型名称修改
)
llm_with_tools = llm.bind_tools(tools)
# 定义聊天机器人节点函数,处理对话逻辑
def chatbot(state: State):
message = llm_with_tools.invoke(state["messages"])
# Because we will be interrupting during tool execution,由于工具执行时可能触发中断,为避免恢复时重复调用,
# we disable parallel tool calling to avoid repeating any
# tool invocations when we resume.
assert len(message.tool_calls) <= 1# 限制每次最多生成1个工具调用请求
return {"messages": [message]}
graph_builder.add_node("chatbot", chatbot)
tool_node = ToolNode(tools=tools)
graph_builder.add_node("tools", tool_node)
graph_builder.add_conditional_edges(
"chatbot",
tools_condition,
)
graph_builder.add_edge("tools", "chatbot")
graph_builder.add_edge(START, "chatbot")
memory = MemorySaver()
graph = graph_builder.compile(checkpointer=memory)
我们开始对话尝试让聊天机器人去请求人工协助:
ini
user_input = "I need some expert guidance for building an AI agent. Could you request assistance for me?"
config = {"configurable": {"thread_id": "1"}}
events = graph.stream(
{"messages": [{"role": "user", "content": user_input}]},
config,
stream_mode="values",
)
for event in events:
if "messages" in event:
event["messages"][-1].pretty_print()
返回结果:
ini
================================ Human Message =================================
I need some expert guidance for building an AI agent. Could you request assistance for me?
================================== Ai Message ==================================
用户需要关于构建AI代理的专家指导,调用human_assistance函数请求人工协助。
Tool Calls:
human_assistance (call_2y67vyca6qdhn3egwq4xh5v6)
Call ID: call_2y67vyca6qdhn3egwq4xh5v6
Args:
query: 需要关于构建AI代理的专家指导
聊天机器人生成了一个工具调用,但执行被中断了!请注意,如果我们检查图状态,会发现它停在了工具节点。
ini
snapshot = graph.get_state(config)
snapshot.next
返回的待处理节点:
arduino
('tools',)
要恢复执行,请传递一个包含工具预期数据的 Command 对象。此数据的格式可以根据需要进行自定义。在本示例中,使用一个带有键 "data" 的字典:
ini
human_response = (
"We, the experts are here to help! We'd recommend you check out LangGraph to build your agent."
" It's much more reliable and extensible than simple autonomous agents."
)
human_command = Command(resume={"data": human_response})
events = graph.stream(human_command, config, stream_mode="values")
for event in events:
if "messages" in event:
event["messages"][-1].pretty_print()
返回结果:
vbnet
================================== Ai Message ==================================
用户需要关于构建AI代理的专家指导,调用human_assistance函数请求人工协助。
Tool Calls:
human_assistance (call_2y67vyca6qdhn3egwq4xh5v6)
Call ID: call_2y67vyca6qdhn3egwq4xh5v6
Args:
query: 需要关于构建AI代理的专家指导
================================= Tool Message =================================
Name: human_assistance
We, the experts are here to help! We'd recommend you check out LangGraph to build your agent. It's much more reliable and extensible than simple autonomous agents.
================================== Ai Message ==================================
专家推荐使用LangGraph来构建AI代理,它比简单的自主代理更可靠和可扩展。如果你想了解更多关于LangGraph的信息,可以继续向我提问。
可以看到我们冒充专家人工协助建议使用LangGraph来构建AI代理,AI也根据了我们的建议给出了回答。
恭喜!您已使用 interrupt 为您的聊天机器人添加了人在回路执行功能,从而在需要时进行人工监督和干预。这为您可以使用 AI 系统创建的潜在 UI 打开了大门。由于我们已经添加了检查点,只要底层的持久化层正在运行,图就可以无限期地暂停并在任何时候恢复,就像什么都没发生一样。
原文地址: