软文广告投放平台wordpress seo博客选哪个主题

软文广告投放平台,wordpress seo博客选哪个主题,什么建站平台好,建站宝盒的设置本文介绍了如何使用LangGraph构建有状态、可控的图应用#xff0c;解决AutoGen在处理业务型任务时缺乏严谨SOP的问题。通过流水线比喻#xff0c;阐述了LangGraph的核心概念#xff0c;并以智能客服“工单自动处理流”为例#xff0c;展示了如何实现人工审批介入#xff0…本文介绍了如何使用LangGraph构建有状态、可控的图应用解决AutoGen在处理业务型任务时缺乏严谨SOP的问题。通过流水线比喻阐述了LangGraph的核心概念并以智能客服“工单自动处理流”为例展示了如何实现人工审批介入确保AI按照预定规则运行。LangGraph是构建负责任AI的关键工具特别适用于企业级AI应用。关键词LangGraph, LangChain, 状态机, SOP, Human-in-the-loop大家好我是飞哥前两周我们学习了LlamaIndex(最强大脑) 和AutoGen(最强团队)。 按理说有了这两个神器什么应用做不出来但当你真正把 AutoGen 做的客服系统上线后老板可能会找你谈话老板“飞哥昨天有个用户说要退款你的 AI 也没查订单状态直接就答应了而且那个订单金额是 10 万块AI 居然没问我直接批了”你“呃…那个 Agent 比较热心肠…”痛点 AutoGen 这种“多 Agent 自由讨论”的模式适合创意型任务写研报、写代码。 但对于业务型任务退款、审批、报销企业需要的是严谨的 SOP (标准作业程序)绝不允许 AI 自由发挥。解决方案 我们需要把 AI 从“自由讨论室”拉到“工厂流水线”上。 这就是LangGraph的使命 ——构建有状态、可控的图应用。为什么你需要 LangGraph(Why) 生动类比AutoGen头脑风暴会议️。大家七嘴八舌最后也能讨论出结果但过程不可控适合创意。LangGraph肯德基后厨流水线。工位 1 (意图识别)服务员看单子。是做“香辣鸡腿堡”还是“牛肉堡”决定去哪个分支工位 2 (规则检查)⚖️称重员检查。肉饼有没有少于 100g金额 1000工位 3 (人工审批)质检员发现肉饼颜色不对按停传送带喊店长人类过来确认。店长说“行”才能继续包装店长说“不行”直接扔掉。Human-in-the-loop工位 4 (执行)打包员装袋递给顾客。State (托盘)一个托盘在流水线上流动上面放着汉堡胚用户需求。Node (工位)核心价值 LangGraph 让你能用代码画出这张“流程图”并且强制 AI 沿着线走。最重要的是它支持Human-in-the-loop (人在回路)—— 关键时刻必须人来拍板AI 才能继续。核心概念提炼 (Skeleton) LangGraph 的世界里主要有这几个概念State (状态)流水线上的“包裹”。所有节点都在读写这个包裹里的数据比如order_id,status。Node (节点)流水线上的“工位”。可以是 LLM可以是 Python 函数也可以是 API 调用。Edge (边)连接工位的“传送带”。Conditional Edge (条件边)智能分拣机。如果amount 1000传送到“经理室”否则传送到“财务室”。START END图的入口和出口。实战项目智能客服“工单自动处理流” ️我们要实现一个严谨的退款系统绝不让 AI 乱批款。 安装依赖pip install langgraph langchain-openai langchain-corelanggraph本次课程的主角。它负责画图定义状态、节点、边并管理整个流水线的运行包括暂停、恢复。langchain-coreLangChain 家族的基础组件。它定义了BaseMessage消息格式、PromptTemplate提示词模版等通用标准相当于乐高的“基础积木块”。langchain-openai连接 OpenAI 模型的桥梁。如果我们的节点需要调用 GPT-4 进行意图识别或生成回复就得靠它。 流程设计图 核心代码拆解第一步定义状态 (包裹里有什么) from typing import TypedDict, Annotated, List, Optionalimport operatorfrom langchain_core.messages import BaseMessageclassAgentState(TypedDict): messages: Annotated[List[BaseMessage], operator.add] # 聊天记录 (使用 operator.add 追加新消息) order_id: Optional[str] # 订单号 amount: Optional[float] # 订单金额# 状态机核心字段# pending: 初始状态# waiting_approval: 等待经理审批 (金额 1000)# approved: 已批准 (金额 1000 或 经理同意)# rejected: 已拒绝 (经理拒绝) refund_status: str第二步定义节点 (工人在干什么) defnode_process_refund(state: AgentState): 退款规则检查节点 输入: state[order_id] 输出: 更新 state[amount] 和 state[refund_status] # 模拟查询数据库defget_order_amount(order_id):# 假设所有订单都是 1200 元 (大于 1000触发审批)return1200.0 amount get_order_amount(state[order_id]) # 规则引擎逻辑if amount 1000: print(⚠️ 金额 1000, 需要经理审批)# 返回的部分数据会自动 merge 到 State 中return {amount: amount, refund_status: waiting_approval}else: print(✅ 金额 1000, 自动批准)return {amount: amount, refund_status: approved}defnode_human_approval(state: AgentState): 人工审批节点 注意这里其实是个空函数因为我们会在进入这个节点前使用 interrupt_before 暂停。 当人工 update_state 后会直接跳过这个节点的执行进入下一个节点。 pass第三步构建图与人工介入 (关键) 这里最神奇的是interrupt_before。它告诉 LangGraph**在进入human_approval节点之前把程序暂停把状态存到数据库里MemorySaver然后等待指令**注意这里的“暂停”不是进程退出而是图的执行挂起。如果你用的是 Web 服务这意味着 API 请求结束等待下一个 API 请求来唤醒它。from langgraph.graph import StateGraph, ENDfrom langgraph.checkpoint.memory import MemorySaver# 构建图workflow StateGraph(AgentState)# 1. 添加节点 (Add Nodes)# 注册我们的“工人”和“工位”workflow.add_node(process, node_process_refund)workflow.add_node(human_approval, node_human_approval) # 2. 设置入口 (Set Entry Point)# 告诉图从哪里开始跑 (这里假设直接进入 process)workflow.set_entry_point(process)# 3. 添加条件边 (Conditional Edges)# 相当于流水线上的“分拣机”defroute_process(state):# 如果状态是 waiting_approval就传送到 human_approval 工位if state[refund_status] waiting_approval:returnhuman_approval# 否则直接结束 (END)return END# 将 process 节点连接到分拣逻辑 (route_process)# 意味着process 跑完后下一步去哪儿问问 route_processworkflow.add_conditional_edges(process, route_process)# 4. 添加普通边 (Edges)# 经理审批完直接结束workflow.add_edge(human_approval, END)# 5. 编译图 (Compile)# memory: 用于保存图的运行状态 (Checkpointer)memory MemorySaver()app workflow.compile( checkpointermemory, # interrupt_before: 在进入这些节点之前强制暂停# 这是实现 Human-in-the-loop 的关键 interrupt_before[human_approval] )第四步运行与交互 (Human-in-the-loop) 当程序暂停时你可以去喝杯咖啡。回来后经理输入yes程序会从断点处恢复执行。# 1. 配置 (Config)# thread_id: 每个用户的对话都有唯一的 ID类似微信号config {configurable: {thread_id: thread-1}}# 2. 初始运行 (Run)# 我们只给一个空的输入因为这里假设从 process 节点开始它会自己去查 order_idprint( 系统启动...)for event in app.stream({order_id: BIG888}, configconfig):# stream 会逐步输出每个节点的执行结果pass# 3. 检查断点 (Check Interrupt)# 运行结束后检查一下图的状态state app.get_state(config)if state.next andhuman_approvalin state.next:# 发现下个节点是 human_approval说明被暂停了 print(f 触发风控等待经理审批... (金额: {state.values[amount]})) user_input input(经理是否批准(yes/no): )if user_input yes:# 4. 人工干预 (Human Intervention)# 经理说 OK我们直接修改图里的状态 print(✅ 经理已批准更新状态为 approved) app.update_state(config, {refund_status: approved})else: print(❌ 经理已拒绝更新状态为 rejected) app.update_state(config, {refund_status: rejected})# 5. 恢复执行 (Resume)# 再次调用 stream这次传入 NoneLangGraph 会自动从断点处继续跑 print(▶️ 继续执行后续流程...)for event in app.stream(None, configconfig):pass 运行结果展示当你运行这段代码时你会看到类似下面的交互过程 系统启动...⚠️ 金额 1000, 需要经理审批 触发风控等待经理审批... (金额: 1200.0)经理是否批准(yes/no): yes✅ 经理已批准更新状态为 approved▶️ 继续执行后续流程...✅ 金额 1000, 自动批准 (注意这里可能是后续节点的日志)看这就是 Human-in-the-loop 的魅力。AI 跑得再快关键时刻也得停下来听你的。这种“暂停-修改-继续”的能力正是传统自动化脚本做不到的也是构建负责任 AI (Responsible AI)的基石。AI时代未来的就业机会在哪里答案就藏在大模型的浪潮里。从ChatGPT、DeepSeek等日常工具到自然语言处理、计算机视觉、多模态等核心领域技术普惠化、应用垂直化与生态开源化正催生Prompt工程师、自然语言处理、计算机视觉工程师、大模型算法工程师、AI应用产品经理等AI岗位。掌握大模型技能就是把握高薪未来。那么普通人如何抓住大模型风口AI技术的普及对个人能力提出了新的要求在AI时代持续学习和适应新技术变得尤为重要。无论是企业还是个人都需要不断更新知识体系提升与AI协作的能力以适应不断变化的工作环境。因此这里给大家整理了一份《2026最新大模型全套学习资源》包括2026最新大模型学习路线、大模型书籍、视频教程、项目实战、最新行业报告、面试题、AI产品经理入门到精通等带你从零基础入门到精通快速掌握大模型技术由于篇幅有限有需要的小伙伴可以扫码获取1. 成长路线图学习规划要学习一门新的技术作为新手一定要先学习成长路线图方向不对努力白费。这里我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。2. 大模型经典PDF书籍书籍和学习文档资料是学习大模型过程中必不可少的我们精选了一系列深入探讨大模型技术的书籍和学习文档它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。书籍含电子版PDF3. 大模型视频教程对于很多自学或者没有基础的同学来说书籍这些纯文字类的学习教材会觉得比较晦涩难以理解因此我们提供了丰富的大模型视频教程以动态、形象的方式展示技术概念帮助你更快、更轻松地掌握核心知识。4. 大模型项目实战学以致用当你的理论知识积累到一定程度就需要通过项目实战在实际操作中检验和巩固你所学到的知识同时为你找工作和职业发展打下坚实的基础。5. 大模型行业报告行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。6. 大模型面试题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我们将提供精心整理的大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。为什么大家都在学AI大模型随着AI技术的发展企业对人才的需求从“单一技术”转向 “AI行业”双背景。企业对人才的需求从“单一技术”转向 “AI行业”双背景。金融AI、制造AI、医疗AI等跨界岗位薪资涨幅达30%-50%。同时很多人面临优化裁员近期科技巨头英特尔裁员2万人传统岗位不断缩减因此转行AI势在必行这些资料有用吗这份资料由我们和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。大模型全套学习资料已整理打包有需要的小伙伴可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】