LLM Agents are simply Graph — Tutorial For Dummies
AI 摘要 · Qwen 中文摘要 收录
查看原文 这篇教程用 PocketFlow 说明 LLM 智能体可简化为带分支和循环的图，并通过研究助手示例展示决策、搜索和回答流程。
核心观点
- 文章认为 LLM 智能体本质上是由节点和边组成的简单图。
- 智能体通常包含决策节点、动作节点、结束节点以及返回决策节点的循环。
PocketFlow 框架
- PocketFlow 被描述为一个约 100 行的轻量框架。
- 它用 Node、Flow 和共享存储来展示智能体内部结构。
节点结构
- 每个节点包含 prep、exec 和 post 三个步骤。
- prep 从共享存储读取输入，exec 执行任务，post 保存结果并决定下一步。
研究助手示例
- 示例智能体由 DecideAction、SearchWeb 和 AnswerQuestion 三个节点组成。
- DecideAction 根据问题和已有上下文决定搜索或回答。
- SearchWeb 将搜索结果写入共享上下文并返回 DecideAction。
- AnswerQuestion 生成最终答案并结束流程。
运行示例
- 示例问题“法国首都是什么？”触发搜索。
- 搜索得到巴黎后，智能体决定回答并输出最终答案。
与其他框架的关系
- 文章指出 OpenAI Agents、Pydantic Agents、LangChain 和 LangGraph 中也能看到类似的图或循环分支结构。