LangGraph 201: добавление человеческого контроля к вашему глубокому исследовательскому агенту

Реализуйте контрольные точки, утверждения и обратную связь с помощью шаблонов прерываний LangGraph.

Делиться

Потеря контроля над ИИ-агентом посреди рабочего процесса — распространённая проблема. Если вы разрабатывали собственные агентские приложения, вы, скорее всего, уже сталкивались с этим.

Несмотря на то, что современные LLM обладают невероятными возможностями, они всё ещё не готовы к полностью автономной работе в сложных рабочих процессах. Любое практическое применение агентных программ по-прежнему требует человеческого участия для принятия критически важных решений и необходимой корректировки курса.

Вот тут-то и вступают в дело шаблоны с участием человека . И хорошая новость в том, что вы можете легко реализовать их в LangGraph.

В моей предыдущей публикации ( LangGraph 101: Давайте создадим агента глубокого исследования ) мы подробно объяснили основные концепции LangGraph и подробно рассмотрели, как использовать LangGraph для создания практичного агента глубокого исследования. Мы показали, как агент исследования может автономно осуществлять поиск, оценивать результаты и повторять итерации, пока не найдёт достаточно данных для получения исчерпывающего ответа.

Один из пробелов в этом блоге заключается в том, что агент работал полностью автономно от начала до конца. Нет никакой точки входа для человеческого руководства или обратной связи.

Давайте исправим это в этом уроке!

Итак, вот наш план : мы возьмём того же исследовательского агента и дополним его функциями с участием человека . Вы увидите, как реализовать контрольные точки , позволяющие получать обратную связь от человека, чтобы сделать ваших агентов более надёжными и заслуживающими доверия.

Если вы новичок в LangGraph или хотите освежить в памяти основные концепции LangGraph, настоятельно рекомендую вам ознакомиться с моей предыдущей публикацией. Я постараюсь сделать текущую публикацию самодостаточной, но, возможно, пропущу некоторые пояснения из-за ограниченного объёма. Более подробное описание вы найдёте в моей предыдущей публикации.

Источник: towardsdatascience.com