ainews
Туториал по LangGraph, который я хотел бы прочитать до того, как мой граф завис навсегда
Автор делится опытом построения агентов на LangGraph, объясняя ключевые концепции через собственные ошибки. Первый агент работал, но после добавления retry-логики начал бесконечно зацикливаться, пожирая OpenAI-кредиты. Проблема была не в одном баге, а в отсутствии понимания базовых принципов работы графов.
Практический гайд для разработчиков AI-агентов, которые переходят от простых LLM-цепочек к сложным графам с ветвлениями. Автор показывает реальные грабли и объясняет, почему код ведёт себя именно так, а не иначе — экономит часы отладки.
Это аннотация к авторской статье. Мы не публикуем и не пересказываем чужие тексты целиком — полная версия у автора.
О чём статья
- LangChain хорош для линейных вызовов LLM, но разваливается при необходимости принимать решения — LangGraph делает state machine явной
- State — единый объект, который читают/пишут все ноды; использование add_messages вместо operator.add критично для корректной работы с историей сообщений
- Типичные ошибки: возврат всего state из ноды вместо изменённых полей, преждевременное проектирование schema state, забытые END edges приводят к зависаниям
Юлия Тарасова
Medium #llm
Читать оригинал
Инструменты из статьи
Ollamaбез VPN
Локальный запуск открытых LLM (Llama, Qwen, GLM) на своём железе. Бесплатно...
Доступ из РФ →
Комментарии