langgraph
Создание AI-агентов с LangGraph
LangGraph — это производственный фреймворк для создания stateful-приложений AI с несколькими участниками. Этот навык поможет вам спроектировать архитектуру агентов с видимой структурой графа, управлять сложным состоянием, реализовывать циклы и ветвления, а также добавить сохраняемость для возобновляемых разговоров.
스킬 ZIP 다운로드
Claude에서 업로드
설정 → 기능 → 스킬 → 스킬 업로드로 이동
토글을 켜고 사용 시작
테스트해 보기
"langgraph" 사용 중입니다. Создать простого агента с инструментами
예상 결과:
Вот базовая настройка агента LangGraph:
1. Определите AgentState с помощью TypedDict
2. Создайте функции инструментов с декоратором @tool
3. Создайте узел агента, который вызывает LLM с инструментами
4. Добавьте условные рёбра для выполнения инструментов
5. Скомпилируйте и запустите граф
Агент будет циклически перемещаться между LLM и инструментами, пока инструменты не будут вызваны, а затем вернётся к пользователю.
"langgraph" 사용 중입니다. Как предотвратить бесконечные циклы?
예상 결과:
Используйте счётчик максимальных итераций в вашем состоянии:
1. Добавьте поле 'iterations' в ваше состояние
2. Создайте функцию should_continue, которая проверяет итерации
3. Увеличивайте счётчик в узле агента
4. Возвращайте END, когда количество итераций превышает лимит
Это гарантирует, что у вашего агента будет чёткое условие выхода, и он не будет работать бесконечно.
보안 감사
중간 위험The skill is a legitimate LangGraph documentation and assistance skill. One true positive was found: an eval() call in example code (line 67) that accepts user input without sanitization. This is documented example code showing tool implementation, but poses a risk if users copy this pattern. Multiple false positives were dismissed: Ruby/shell backtick execution (markdown code fences misinterpreted) and weak cryptographic algorithms (keyword matches on 'hash' in framework terminology).
높은 위험 문제 (1)
낮은 위험 문제 (2)
위험 요인
⚡ 스크립트 포함 (1)
감지된 패턴
품질 점수
만들 수 있는 것
Создание многоэтапных рабочих процессов агентов
Создавайте агентов, которые могут рассуждать, использовать инструменты и поддерживать контекст разговора между несколькими взаимодействиями.
Реализация систем исследовательских агентов
Проектируйте агентов, которые могут собирать информацию из нескольких источников, объединять результаты и создавать синтезированные отчёты.
Создание stateful-приложений для чата
Создавайте приложения для чата, которые запоминают историю разговоров и могут возобновляться из предыдущих состояний.
이 프롬프트를 사용해 보세요
Создайте простого агента в стиле ReAct с использованием LangGraph, который может вызывать инструменты. Покажите, как определить состояние, создать узлы, настроить рёбра и скомпилировать граф.
Покажите, как управлять сложным состоянием в LangGraph с помощью TypedDict и пользовательских редюсеров. Я хочу накапливать сообщения, объединять результаты из нескольких узлов и отслеживать историю разговора.
Помогите реализовать условное ветвление в LangGraph. Мне нужно направлять запросы к разным агентам на основе их типа (кодирование, поиск, чат) и соответствующим образом обрабатывать ответы.
Добавьте чекпоинтинг к моему агенту LangGraph, чтобы разговоры можно было возобновлять. Покажите, как настроить чекпоинтер и сохранять состояние между сессиями.
모범 사례
- Всегда определяйте чёткие условия выхода в функциях маршрутизации, чтобы предотвратить бесконечные циклы
- Используйте редюсеры правильно — add_messages для накопления, пользовательские функции для сложного объединения
- Проектируйте схемы ввода/вывода, чтобы состояние было минимальным и сфокусированным на необходимом
피하기
- Использование eval() для пользовательского ввода в инструментах — всегда проверяйте и очищайте любые выражения, предоставленные пользователем
- Создание stateless-узлов, которые не возвращают обновления состояния — это противоречит цели LangGraph
- Использование огромного монолитного состояния с ненужными полями — вызывает накладные расходы на сериализацию и раздувание контекста