A3D Wiki

Gebruikershulpmiddelen

Site-hulpmiddelen

Spoor:
langgraph

Verschillen

Dit geeft de verschillen weer tussen de geselecteerde revisie en de huidige revisie van de pagina.

Link naar deze vergelijking

Beide kanten vorige revisieVorige revisie
Volgende revisie		Vorige revisie
langgraph [2024/09/29 00:22] – a3dijkelanggraph [2024/10/15 00:02] (huidige) – [LangGraph] a3dijke
Regel 3: Regel 3:
 ⛓️ [[longchain_home|LangChain start]] ⛓️ [[longchain_home|LangChain start]]
  
-💫 [[langgraph-tests|LangGraph Tests]]\\ +♻️🧩 [[langgraph-basis|LangGraph Basis principes]]\\ 
-♻️ [[langgraph-basis|LangGraph Basis principes]]+♻️💫 [[langgraph-tests|LangGraph Tests]]
  
 +[[https://chatgpt.com/g/g-iE0BwwI97-ai-agent-assistent-nl|GPT: A3D AI Agent Assistent (nl)]]
 +
 +**[[https://youtu.be/w_HeP0A2MF8?si=kzOxp18UbHWtsbQV|basis opzet LangGraph met 3 Py bestanden - LangGraph FULL Guide]] met streamlit GUI**💥 💥\\
 +[[https://github.com/coleam00/ai-agents-masterclass/tree/main/7-langgraph-agent|GitHub code best tool...]]
 ===== Over LangGraph ===== ===== Over LangGraph =====
 > [[https://langchain-ai.github.io/langgraph/|LangGraph]] is een bibliotheek voor het bouwen van stateful, multi-actor applicaties met LLM's, gebruikt om agent en multi-agent workflows te creëren. Vergeleken met andere LLM frameworks, biedt het deze kernvoordelen: cycles, controlability en persistence. Met LangGraph kunt u flows definiëren die cycles omvatten, essentieel voor de meeste agentische architecturen, wat het onderscheidt van DAG-gebaseerde oplossingen. Als een heel low-level framework, biedt het fijnmazige controle over zowel de flow als de status van uw applicatie, cruciaal voor het creëren van betrouwbare agents. Bovendien bevat LangGraph ingebouwde persistence, wat geavanceerde human-in-the-loop en geheugenfuncties mogelijk maakt. > [[https://langchain-ai.github.io/langgraph/|LangGraph]] is een bibliotheek voor het bouwen van stateful, multi-actor applicaties met LLM's, gebruikt om agent en multi-agent workflows te creëren. Vergeleken met andere LLM frameworks, biedt het deze kernvoordelen: cycles, controlability en persistence. Met LangGraph kunt u flows definiëren die cycles omvatten, essentieel voor de meeste agentische architecturen, wat het onderscheidt van DAG-gebaseerde oplossingen. Als een heel low-level framework, biedt het fijnmazige controle over zowel de flow als de status van uw applicatie, cruciaal voor het creëren van betrouwbare agents. Bovendien bevat LangGraph ingebouwde persistence, wat geavanceerde human-in-the-loop en geheugenfuncties mogelijk maakt.
Regel 11: Regel 15:
 [[https://langchain-ai.github.io/langgraph/tutorials/introduction/|LangGraph documentatie]] [[https://langchain-ai.github.io/langgraph/tutorials/introduction/|LangGraph documentatie]]
  
 +<code>pip install --quiet -U langgraph</code>
 +
 +**Wat wil ik bouwen:**\\
 +Een applicatie voor therapeuten die een account op kwaliteitsteem.nl hebben die taken kan uitvoeren, gegevens op kan halen en aanpassen d.m.v. Natuurlijke Taal. Verder heeft de applicatie al een AI-Chatbot (CATja) waarmee de therapeut kan chatten. Mogelijk moet ook deze Chatbot in de CAT Agent worden geïntegreerd.
 +
 +🔹 De applicaties die ik bouw zijn opgebouwd ut Classes\\
 +🔹 De applicaties zijn gemaakt met Streamlit GUI //(gebruikersinterface)//
  
 **Voorafgaand aan deze //(de huidige)//pagina heb ik twee onderzoek pagina's gemaakt:**\\ **Voorafgaand aan deze //(de huidige)//pagina heb ik twee onderzoek pagina's gemaakt:**\\
Regel 29: Regel 40:
  
 **[[https://langchain-ai.github.io/langgraph/concepts/persistence/|Kortetermijn geheugen]]**\\ **[[https://langchain-ai.github.io/langgraph/concepts/persistence/|Kortetermijn geheugen]]**\\
-Dit soort geheugen in bedoeld om de eerdere stappen in een conversatie te herinneren en dit is het soort geheugen dat ik nodig heb om LangGraph in een streamlit applicatie te laten werken. Dit soort geheugen is ingebouwd in LangGraph. In dit geheugen worden State updates uitgevoerd en terug gehaald d.m.v. een mee te geven "**thread_id**". Om deze thread_id te kunnen gebruiken moet deze opgeslagen worden in een **Streamlit session_state** zodat deze bij iedere re-run van Streamlit kan worden opgehaald door deze in de configuratie mee te geven:+Dit soort geheugen is bedoeld om de eerdere stappen in een conversatie te herinneren en dit is het soort geheugen dat ik nodig heb om LangGraph in een streamlit applicatie te laten werken. Dit soort geheugen is ingebouwd in LangGraph. In dit geheugen worden State updates uitgevoerd en terug gehaald d.m.v. een mee te geven "**thread_id**". Om deze thread_id te kunnen gebruiken moet deze opgeslagen worden in een **Streamlit session_state** zodat deze bij iedere re-run van Streamlit kan worden opgehaald door deze in de configuratie mee te geven:
  
 <code>config = {"configurable": {"thread_id": "123456"}}</code> <code>config = {"configurable": {"thread_id": "123456"}}</code>
  
-⚠️ **De thread_id moet een unieke ID //(string)// zijn voor iedere thread //(daad)//**+⚠️ **De thread_id moet een unieke ID //(string)// zijn voor iedere thread //(daad/gesprek)//**
  
 **[[https://langchain-ai.github.io/langgraph/concepts/persistence/|Document m.b.t. Kortetermijn geheugen gebruik LangGraph]]**\\ **[[https://langchain-ai.github.io/langgraph/concepts/persistence/|Document m.b.t. Kortetermijn geheugen gebruik LangGraph]]**\\
Regel 39: Regel 50:
  
 ---- ----
 +
  
 ===== Links ===== ===== Links =====
Regel 51: Regel 63:
 ---- ----
  
 +===== LangGraph Schema =====
  
 +{{ LangGraph_basis.png?1000 }}
  
 +----
  
langgraph.1727562136.txt.gz · Laatst gewijzigd: 2024/09/29 00:22 door a3dijke