لانغ غراف

لانغ غراف هي أداة قوية لإنشاء تدفقات عمل ديناميكية وذات حالة ومتعددة الأطراف باستخدام LLMs، تدعم الدورات، والتشعب، والاستمرارية، وتعاون الإنسان مع الوكيل.

لانغ غراف هي مكتبة متقدمة صُممت لبناء تطبيقات متعددة الأطراف وذات حالة باستخدام نماذج اللغة الكبيرة (LLMs). تم تطوير لانغ غراف بواسطة شركة لانغ تشين، حيث توسِّع قدرات مكتبة لانغ تشين من خلال تقديم إمكانيات حسابية دورية. يتيح ذلك إنشاء سلوكيات معقدة شبيهة بالوكلاء حيث يمكن لـ LLM العمل في حلقة واتخاذ قرارات عند كل خطوة.

ما هو لانغ غراف؟

لانغ غراف هو أداة قوية تُمكّن المطورين من إنشاء تدفقات عمل معقدة تتضمن عدة أطراف وخطوات متعددة. على عكس الرسومات البيانية الموجهة غير الدورية (DAGs) التقليدية المستخدمة في لانغ تشين، يدعم لانغ غراف الدورات، مما يجعله مثالياً للتطبيقات التي تتطلب اتخاذ قرارات متكررة وإدارة الحالة باستمرار.

المفاهيم الأساسية

الرسم البياني ذو الحالة

الرسم البياني ذو الحالة هو المفهوم الأساسي في لانغ غراف. يمثل كل عقدة في الرسم البياني خطوة حسابية، ويحافظ الرسم البياني على حالة يتم تحديثها مع تقدم العمليات الحسابية. تسمح هذه الطبيعة ذات الحالة بتدفقات عمل أكثر ديناميكية ومرونة.

العقد

العقد هي اللبنات الأساسية في لانغ غراف. تؤدي كل عقدة وظيفة أو عملية حسابية محددة مثل معالجة المدخلات أو اتخاذ القرارات أو التفاعل مع واجهات برمجة التطبيقات الخارجية.

الحواف

تربط الحواف بين العقد وتحدد تدفق العمليات الحسابية داخل الرسم البياني. يدعم لانغ غراف الحواف الشرطية، مما يسمح لتدفق العمليات بالتغير ديناميكياً بناءً على الحالة الحالية.

الميزات الرئيسية

الدورات والتشعب

يتيح لانغ غراف تنفيذ الحلقات والشروط داخل تطبيقاتك، مما يوفر مرونة وتحكماً أكبر في تدفق العمليات الحسابية.

الاستمرارية

من الميزات البارزة في لانغ غراف هي الاستمرارية المدمجة. حيث يتم حفظ الحالة تلقائياً بعد كل خطوة، مما يمكّن استرجاع الأخطاء، وتدفقات العمل بمشاركة البشر، وحتى الرجوع إلى حالات سابقة لاتخاذ إجراءات مختلفة.

مشاركة البشر في الحلقة

يدعم لانغ غراف التعاون بين الإنسان والوكيل من خلال السماح بقطع تنفيذ الرسم البياني. يمكن للمستخدمين الموافقة أو تعديل الإجراء التالي الذي يخطط له الوكيل، مما يضمن تحكماً وموثوقية أفضل.

دعم الإخراج المتدفق

لتحسين تجربة المستخدم، يتضمن لانغ غراف دعماً أصيلاً للإخراج المتدفق، سواء رمزاً برمز أو للخطوات الوسيطة، مما يوفر تفاعلات ديناميكية وتفاعلية مع المستخدمين.

التكامل مع لانغ تشين

على الرغم من أن لانغ غراف يمكن استخدامه بشكل مستقل، إلا أنه يندمج بشكل سلس مع لانغ تشين ولانغ سميث، مما يوفر مجموعة شاملة لبناء وإدارة تطبيقات تعتمد على LLM.

التثبيت

لتثبيت لانغ غراف يمكنك استخدام الأمر التالي:

pip install -U langgraph

وللإصدار الخاص بجافا سكريبت استخدم:

npm install @langchain/langgraph

حالات الاستخدام

تدفقات العمل للوكيل والمتعدد الوكلاء

لانغ غراف مثالي لإنشاء تدفقات عمل تتضمن عدة وكلاء أو أطراف، حيث يقوم كل منهم بمهام محددة ويتخذ قرارات بشكل منسق.

معالجة المهام المعقدة

تُمكّن قدرة لانغ غراف على التعامل مع الدورات واستمرارية الحالة من استخدامه في تطبيقات تتطلب اتخاذ قرارات معقدة وآليات قوية لاسترجاع الأخطاء.

التعاون بين الإنسان والوكيل

مع الدعم المدمج لتفاعلات الإنسان في الحلقة، يضمن لانغ غراف إمكانية التعاون الفعّال بين الوكلاء البشريين والآليين، مما يجعله مناسباً للتطبيقات التي تتطلب موثوقية وتحكماً عالياً.

الأسئلة الشائعة

ما هو لانغ غراف؟

لانغ غراف هي مكتبة طورتها شركة لانغ تشين لبناء تطبيقات متعددة الأطراف وذات حالة باستخدام LLMs. تقدم إمكانيات حسابية دورية، مما يتيح تدفقات عمل معقدة وسلوكيات شبيهة بالوكلاء.

كيف يختلف لانغ غراف عن لانغ تشين؟

بينما يعتمد لانغ تشين على الرسومات البيانية الموجهة غير الدورية (DAGs)، يدعم لانغ غراف الدورات، والاستمرارية، وإدارة حالة أكثر ديناميكية، مما يجعله مناسباً لتدفقات العمل المعقدة والمتكررة.

ما هي الميزات الرئيسية في لانغ غراف؟

تشمل الميزات الرئيسية: الدورات والتشعب، استمرارية الحالة، دعم مشاركة البشر في الحلقة، إخراج متدفق، واندماج سلس مع لانغ تشين ولانغ سميث.

من يجب عليه استخدام لانغ غراف؟

لانغ غراف مثالي للمطورين الذين يبنون تدفقات عمل ذكاء اصطناعي متقدمة، خاصة من يحتاجون إلى تنسيق متعدد للوكلاء، وتعاون بين الإنسان والوكيل، وآليات قوية لاسترجاع الأخطاء.

جرّب لانغ غراف مع فلو هانت

ابدأ في بناء حلول الذكاء الاصطناعي الخاصة بك وتدفقات العمل الديناميكية باستخدام لانغ غراف ومنصة فلو هانت السهلة الاستخدام.

اعرف المزيد

لانغ تشين
لانغ تشين

لانغ تشين

لانغ تشين هو إطار عمل مفتوح المصدر لتطوير التطبيقات المدعومة بنماذج اللغة الضخمة (LLMs)، ويُسهّل دمج النماذج القوية مثل GPT-3.5 وGPT-4 من OpenAI مع مصادر البيان...

2 دقيقة قراءة
LangChain LLM +4
أفضل نماذج اللغة الكبيرة للبرمجة – يونيو 2025
أفضل نماذج اللغة الكبيرة للبرمجة – يونيو 2025

أفضل نماذج اللغة الكبيرة للبرمجة – يونيو 2025

استكشف أفضل نماذج اللغة الكبيرة (LLMs) للبرمجة في يونيو 2025. يوفر هذا الدليل التعليمي الشامل رؤى ومقارنات ونصائح عملية للطلاب والهواة والمحترفين في مجال البرمج...

10 دقيقة قراءة
LLM Coding +1
LazyGraphRAG
LazyGraphRAG

LazyGraphRAG

LazyGraphRAG هو نهج مبتكر في توليد الاسترجاع المعزز (RAG)، يهدف إلى تحسين الكفاءة وتقليل التكاليف في استرجاع البيانات المدعوم بالذكاء الاصطناعي من خلال دمج نظري...

4 دقيقة قراءة
RAG AI +4