人机交互 ！如何确保Agent系统每一步都合乎预期 实战LangGraph中成功

嘿，大家好！这里是一个专一于AI智能体的频道！

当天咱们聊聊如何在LangGraph中成功“人机交互”（Human-in-the-Loop，简称HIL）的机制。这可是让智能系统更懂你、更贴心的秘密武器哦！

构想一下，你的智能助手在口头义务时突然停上去，问你：“嘿，我接上去要用这个工具，你感觉怎样样？”这就是HIL的外围——在主要时辰让人类参与，确保每一步都合乎你的希冀。

详细怎样做呢？咱们经过在LangGraph中设置断点来成功。这些断点会在口头图的主要点暂停，期待你的输入。在我的例子中，咱们在一个工具被口头之前设置了一个断点，审核智能助手能否选用了正确的工具。假设选对了，咱们继续；假设没选对，那就停上去，期待你的批示。

思考到代码块放在文章之中太长，影响观看体验，失掉本文代码脚本，请后盾私信 人机交互agent

为了展现这个环节，咱们用Streamlit做了一个运行。你须要下载代码，而后在cmd运转它。代码中，咱们首先设置了环境变量，定义了模型（咱们用的是OpenAI的GPT-4o模型，当然你也可以尝试其余模型）。

接上去，咱们定义了两个工具：一个是用来做互联网搜查的，另一个是便捷的加法工具。经过ToolExecutor，咱们治理并口头这些工具。而后，咱们定义了一些函数，比如should_continue​来判别能否继续口头，call_model​来调用模型，call_tool来口头工具。

最后，咱们用LangGraph定义了一个上班流程图，有两个节点：agent和action。agent节点调用模型，action节点调用工具。咱们设置了从agent到action的条件边，以及从action回agent的反常边，构成了一个循环。

主要的是，咱们在编译图时参与了审核点，这样在口头环节中可以允许终止。咱们经常使用SqliteSaver来保留形态，确保在终止前能够保留的口头形态。

运转这个运行时，用户输入一个疑问，智能助手会选用适合的工具，并显示工具称号。而后，系统会生成一个验证信息，征询用户能否同意。假设用户回答“yes”，那么工具调用信息会被减少到形态中，继续口头。假设用户回答其余内容，执行将从用户输入的新信息开局。

经过这种模式，HIL机制不只让智能助手的操作愈加透明，还让你能够实时干预和同意工具的选用，确保每一步都合乎你的希冀。是不是很酷？这就是LangGraph和HIL的魅力所在！

本文转载自​​，作者：