Планирующий агент

Что делает проект

В этом репозитории реализован LangGraph‑агент, который:

Принимает текст задачи.
С помощью LLM разбивает её на 3–6 конкретных шагов (узел planning).
Выполняет каждый шаг последовательно, собирая результаты (узел execution).
После завершения всех шагов выдаёт итоговый резюме.

Пример работы:

Task: Compare Python and JavaScript
Plan:
1. ...
2. ...
Execution results:
Result of step 1: ...
...
Final summary: ...

Структура файлов

Файл	Назначение
`main.py`	Точка входа, реализация графа и демонстрация работы
`requirements.txt`	Зависимости проекта
`README.md`	Описание проекта и инструкции

Установка

pip install -r requirements.txt

Запуск

python main.py

Примеры задач (внутри скрипта)

Сравнение Python и JavaScript.
Как создать простое приложение Flask.
Шаги развертывания Docker‑изображения Node.js в AWS Elastic Beanstalk.

Архитектура

State – PlanningState хранит текущее состояние: исходную задачу, список шагов, индекс текущего шага и накопленные результаты.
Node planning – вызывает LLM с запросом вернуть JSON‑массив шагов. Парсинг гарантирует надёжность.
Node execution – берёт следующий шаг из списка, формирует строку результата (в реальном проекте здесь можно вызывать инструменты).
Conditional edge should_continue – проверяет, остались ли ещё шаги; если нет – переход в END.

Тесты

В репозитории тестов нет, но скрипт содержит три демонстрационных задачи. Для проверки корректности можно запустить его и убедиться, что вывод соответствует описанию.

2.5 KiB Raw Blame History Unescape Escape