推荐语
LangGraph引领AI智能体新纪元，四大预构建框架全面开源！
核心内容：
1. LangGraph Swarm：构建类似蜂群的多智能体系统，智能体动态移交控制权
2. LangMem：智能体长期记忆管理，存储关键事实和执行任务的内化知识
3. 特定任务智能体与层次化多智能体框架，专业化智能体协同工作
4. 基于LangGraph构建，支持流式处理、短期和长期记忆、人机协同
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
LangGraph预构建Agents（Prebuilt Agents）生态迎来一波新的开源项目，涉及：群体智能体、智能体记忆管理、特定任务智能体，层次化多智能体，硬核开源...，此前的open_deep_research也受到广泛关注，收获1.8k star。撞名OpenAI多智能体框架Swarm，用于创建类似蜂群（swarm）的多智能体系统，智能体根据其专业领域动态地将控制权移交给彼此。系统会记住最后活跃的智能体，确保在后续交互中，对话会从该智能体继续进行。- 多智能体协作：使专业化的智能体能够协同工作，并相互传递上下文。
该库基于 LangGraph 构建，这是一个强大的框架，用于构建智能体应用程序，并且开箱即用地支持：流式处理、短期和长期记忆、人机协同（human-in-the-loop）。pip install langgraph-swarm
https://github.com/langchain-ai/langgraph-swarm-py
LangMem SDK，一个帮助智能体通过长期记忆学习和改进的库。它提供了从对话中提取信息的工具，通过更新提示来优化智能体的行为，并维护关于行为、事实和事件的长期记忆。- 语义记忆用于存储关键事实（及其关系）以及其他信息，这些信息为智能体的响应提供了基础。它使智能体能够记住那些不会被“预先训练”到模型本身中的重要细节，而这些细节也无法通过网络搜索或通用检索器获得。
- 程序性记忆代表了执行任务的内化知识。它与情景记忆不同，因为它专注于通用技能、规则和行为。对于 AI 智能体来说，程序性记忆通过模型权重、智能体代码和智能体的提示共同保存，这些因素共同决定了智能体的功能。在 LangMem 中，专注于将学到的程序作为更新后的指令保存到智能体的提示中。
pip install -U langmem
https://blog.langchain.dev/langmem-sdk-launch/https://github.com/langchain-ai/langmem
基于 LangGraph 的强大工具调用库，旨在通过让 LLM（大型语言模型）生成 JSON 补丁操作来提高生成和修改复杂 JSON 结构的效率和准确性https://github.com/hinthornw/trustcall
用于创建层次化的多智能体（Multi-Agent）系统，允许用户创建一个中央监督者Agent，通过这个超级智能体协调多个专业智能体的任务与沟通，并根据当前上下文和任务需求决定调用哪个Agent。
- 基于工具的Agent交接机制，实现Agent间的沟通；
https://github.com/langchain-ai/langgraph-supervisor-py
粤ICP备14082021号
免费POC，
零成本试错
