LangGraph

LangChain表达式语言（LangChain Expression Language, LCEL）, LCEL是LangChain框架中用于构建链式应用的声明式语法，通过简单直观的方式连接LangChain的各种组件，例如，提示、模型、工具等，以构建LLM应用流水线。其核心理念在于声明式，开发者只需描述工作流结构和组件的连接方式，无需关注底层执行细节。

LCEL基于有向无环图（Directed Acyclic Graph, DAG）架构，其中，节点代表工作步骤（例如：LLM调用、工具使用），边代表数据流向。有向意味着数据只能单向流动，从一个节点到另一个节点，无环指的是工作流中数据不回流。

LangGraph的状态：State

状态是贯穿智能体系统运行始终的核心概念，它承载着智能体在执行过程中产生的各种信息，包括用户输入 、中间结果 、工具输出 、对话历史 等，状态不仅是节点间信息传递的桥梁 ，也是智能体进行决策和行为调整的重要依据。

自定义状态State：LangGraph在状态定义上提供了极大的灵活性，允许开发者根据实际需求选择合适的数据结构。可以使用typing.TypedDict定义具有类型提示的字典结构状态，也可以使用Pydantic定义状态模型。

Pydantic定义状态模型主要用于数据验证、序列化和类型安全的状态管理。

（1）基础状态模型定义：使用BaseModel 定义状态结构，并利用类型注解确保数据类型安全。

（2）自定义验证器：使用field_validator或validator验证和约束变量类型

（3）JSON序列化

LangGraph的状态: typing中的Sequence

python 复制代码

class ChatState(TypedDict):
    '''
    用户与AI的消息列表,operator.add表示将新消息添加到现有消息列表中
    '''
    messages: Annotated[Sequence[BaseMessage], operator.add]

Sequence $BaseMessage$ 表示：messages字段应该是一个序列类型，序列中的每个元素都是BaseMessage类型

那么Sequence和List的区别是：Sequence更通用, 可以是list和tuple等其他类型

typing中的Literal

Literal是Python的类型提示工具，用于限定变量只能读取特定的字面值

LangChain中的@tool装饰器

@tool装饰器能够能够将Python函数转换为LangChain的Tool工具，因此Python在定义时需要有详细清晰的docstring，描述工具的功能、输入参数和输出结果。

python 复制代码

from langchain.tools import tool

@tool
def search_weather(city: str) -> str:
    """
    查询指定城市的天气信息
    
    Args:
        city (str): 城市名称，例如"北京"、"上海"
    
    Returns:
        str: 该城市的天气情况描述
    """
    # 实际实现代码
    return f"{city}的天气是..."