AI Agent設計模式一:Chain

概念 :線性任務流設計

  • ? 優點:邏輯清晰易調試,適合線性處理流程
  • ? 缺點:缺乏動態分支能力

在這里插入圖片描述

from typing import TypedDictfrom langgraph.graph import StateGraph, END# 定義后續用到的一些變量
class CustomState(TypedDict):planet1: str # 星球1的名稱planet2: str # 星球2的名稱mass1: float # 星球1的質量mass2: float # 星球2的質量total_mass: float # 總質量# 定義函數,后續作為節點
def add_numbers(state: CustomState):"""計算兩數之和參數:state (State): 包含兩個數字的字典返回:None"""state["total_mass"] = state["mass1"] + state["mass2"]return statedef get_planet_mass(state: CustomState):"""查詢星球質量(單位:千克)參數:state (State): 包含星球名稱的字典返回:None"""PLANET_MASSES = {'Mercury': 3.301e23,'Venus': 4.867e24,'Earth': 5.972e24,'Mars': 6.417e23,'Jupiter': 1.899e27,'Saturn': 5.685e26,'Uranus': 8.682e25,'Neptune': 1.024e26,'Sun': 1.989e30}state["mass1"] = PLANET_MASSES.get(state["planet1"], 0)state["mass2"] = PLANET_MASSES.get(state["planet2"], 0)return state#定義圖
workflow = StateGraph(CustomState)
# 定義節點
workflow.add_node("get_planet_mass", get_planet_mass)
workflow.add_node("add_numbers", add_numbers)# 定義邊
workflow.set_entry_point("get_planet_mass")
workflow.add_edge("get_planet_mass", "add_numbers")
workflow.add_edge("add_numbers", END)# 編譯
graph = workflow.compile()# 測試
custom_state = CustomState(planet1="Earth",planet2="Mars",mass1=0.0,mass2=0.0,total_mass=0.0
)
result = graph.invoke(custom_state)
print(result)

執行結果
在這里插入圖片描述

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/pingmian/75720.shtml
繁體地址,請注明出處:http://hk.pswp.cn/pingmian/75720.shtml
英文地址,請注明出處:http://en.pswp.cn/pingmian/75720.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

Git三劍客:工作區、暫存區、版本庫深度解析

一、引言:為什么需要理解Git的核心區域? 作為開發者,Git是日常必備的版本控制工具。但你是否曾因以下問題感到困惑? 修改了文件,但 git status 顯示一片混亂? git add 和 git commit 到底做了什么&#x…

Python數據類型-list

列表(List)是Python中最常用的數據類型之一,它是一個有序、可變的元素集合。 1. 列表基礎 創建列表 empty_list [] # 空列表 numbers [1, 2, 3, 4, 5] # 數字列表 fruits [apple, banana, orange] # 字符串列表 mixed [1, hello, 3.14, True] # 混合類型…

Keepalive+LVS+Nginx+NFS高可用項目

項目架構 分析 主機規劃 主機系統安裝應用網絡IPclientredhat 9.5無NAT172.25.250.115/24lvs-masterrocky 9.5ipvsadm,keepalivedNAT172.25.250.116/24 VIP 172.25.250.100/32lvs-backuprocky 9.5ipvsadm,keepalivedNAT172.25.250.117/24 VIP 172.25.2…

【視覺與語言模型參數解耦】為什么?方案?

一些無編碼器的MLLMs統一架構如Fuyu,直接在LLM內處理原始像素,消除了對外部視覺模型的依賴。但是面臨視覺與語言模態沖突的挑戰,導致訓練不穩定和災難性遺忘等問題。解決方案則是通過參數解耦方法解決模態沖突。 在多模態大語言模型&#xf…

AI比人腦更強,因為被植入思維模型【43】蝴蝶效應思維模型

giszz的理解:蝴蝶效應我們都熟知,就是說一個微小的變化,能帶動整個系統甚至系統的空間和時間的遠端,產生巨大的鏈式反應。我學習后的啟迪,簡單的說,就是不要忽視任何微小的問題,更多時候&#x…

AI 數理邏輯基礎之統計學基本原理(上)

目錄 文章目錄 目錄統計學統計學基本概念描述性統計數據可視化圖表工具 匯總統計統計數據的分布情況:中位數、眾數、平均值統計數據的離散程度:極差、方差、標準差、離散系數 相關分析Pearson 線性關系相關系數Spearman 單調關系相關系數 回歸分析回歸模…

無招回歸阿里

這兩天,無招回歸阿里的新聞被刷屏了。無招創業成立的兩氫一氧公司無招的股份也被阿里收購,無招以這種姿態回歸阿里,并且出任釘釘的 CEO。有人說,這是對 5 年前“云釘一體”戰略的糾偏。現在確實從云優先到 AI 優先,但云…

算法題(114):矩陣距離

審題: 本題需要我們找出所有0距離最近的1的曼哈頓距離 思路: 方法一:多源bfs 分析曼哈頓距離: 求法1:公式法,帶入題目公式,利用|x1-x2||y1-y2|求出 求法2:曼哈頓距離就是最短距離 本…

LLM 性能優化有哪些手段?

LLM(大語言模型)性能優化是一個多維度、多層次的系統工程,涉及從提示工程到模型微調,從推理加速到系統架構優化等多個方面。以下是當前主流的優化手段及其技術細節: 一、提示工程(Prompt Engineering) 提示工程是優化LLM性能最直接、成本最低的方法,適用于快速原型開發…

群體智能避障革命:RVO算法在Unity中的深度實踐與優化

引言:游戲群體移動的挑戰與進化 在《全面戰爭》中萬人戰場恢弘列陣,在《刺客信條》鬧市里人群自然涌動,這些令人驚嘆的場景背后,都離不開一個關鍵技術——群體動態避障。傳統路徑規劃算法(如A*)雖能解決單…

I.MX6ULL 交叉編譯環境配置與使用

一、什么是交叉編譯 我們一般開發程序在自己的電腦上開發,運行的時候將程序燒錄到板子運行。但我們的開發平臺是X86架構,而I.MX6ULL是ARM架構,所以需要一個在 X86 架構的 PC 上運行,可以編譯 ARM 架構代碼的 GCC 編譯器&#xff0…

Harmony OS“一多” 詳解:基于窗口變化的斷點自適應實現

一、一多開發核心概念(18N模式) 目標:一次開發多端部署 解決的問題: 1、界面級一多:適配不同屏幕尺寸 2、功能級一多:設備功能兼容性處理(CanIUser) 3、工…

SpringMvc獲取請求數據

基本參數 RequestMapping("save5") ResponseBody public User save5(String name, int age) {User user new User();user.setName(name);user.setAge(age);return user; } 在url中將name與age進行編寫,通過框架可以提取url中的name與age,這…

大模型持續學習方案解析:災難性遺忘的工業級解決方案

引言 隨著大型語言模型(LLMs)如 GPT 系列、BERT 等在自然語言處理領域取得突破性進展,它們強大的理解和生成能力已經滲透到各行各業。然而,這些模型通常是在海量靜態數據集上進行一次性預訓練的。現實世界是動態變化的&#xff0…

推薦系統(二十二):基于MaskNet和WideDeep的商品推薦CTR模型實現

在上一篇文章《推薦系統(二十一):基于MaskNet的商品推薦CTR模型實現》中,筆者基于 MaskNet 構建了一個簡單的模型。筆者所經歷的工業級實踐證明,將 MaskNet 和 Wide&Deep 結合應用,可以取得不錯的效果&…

【爬蟲案例】采集 Instagram 平臺數據幾種方式(python腳本可直接運行)

更多內容請見: 爬蟲和逆向教程-專欄介紹和目錄 文章目錄 一、概述1.1 Instagram基礎信息1.2 Instagram平臺架構核心技術棧1.3 采集提示1.4 幾種采集方案對比二、四種采集方案分析三、寫爬蟲采集Instagram案例3.1 采集作品信息并下載視頻或圖片(無需登錄)3.2 explore接口的采…

OFP--2018

文章目錄 AbstractIntroductionRelated Work2D object detection3D object detection from LiDAR3D object detection from imagesIntegral images 3D Object Detection ArchitectureFeature extractionOrthographic feature transformFast average pooling with integral imag…

LINUX 4 tar -zcvf -jcvf -Jcvf -tf -uf

cp -r mv: 1.移動文件到目錄 2.文件改名 3.目錄改名 s 上面是打包 下面是打包并壓縮

linux signal up/down/down_interruptiable\down_uninterruptiable使用

在Linux內核中,down, down_interruptible, down_killable, 和 up 是用于操作信號量(semap hores)的函數,它們用于進程同步和互斥。以下是對這些函數的簡要說明。 1,down(&sem): 這個函數用于獲取信號量。如果信號…

使用人工智能大模型DeepSeek,如何進行論文潤色和去重?

今天我們學習人工智能,如何協助我們進行論文潤色和去重。手把手的學習視頻地址請訪問https://edu.csdn.net/learn/40402/666422 第一步在騰訊元寶對話框中輸入如何協助老師做論文潤色,通過提問,我們了解了老師寫論文潤色的步驟和建議。潤色的…