LangGraph 101

ลองไมค์ สัปดาห์นี้จะพาทุกคนมาทำความรู้จักกับ "LangGraph" เครื่องมือสำคัญอีกตัวสำหรับการพัฒนา AI Agent ที่มักนำมาใช้ทำงานคู่กับ LangChain ครับ ในหัวข้อนี้เราจะมาดูกันว่า LangGraph คืออะไร ทำไมถึงเกิดมาเพื่อตอบโจทย์การจัดการ Workflow ที่มีความซับซ้อน และมีจุดเด่นที่แตกต่างจาก LangChain ปกติอย่างไรบ้าง พร้อมพาไปทำความเข้าใจองค์ประกอบหลักที่จะช่วยให้เราออกแบบการทำงานของ Agent ได้อย่างเป็นระบบเหมือนกับการวาด Flowchart มาดูกันในหัวข้อลองไมค์วันนี้กันนะครับ โดยในหัวข้อนี้เราจะมาพูดถึงประเด็นเหล่านี้กัน - ทำความรู้จักกับ LangGraph เปรียบเทียบความต่างกับ LangChain และทำความเข้าใจองค์ประกอบหลัก (State, Node, Edge) - แนะนำการใช้งาน LangSmith Studio ตัวช่วย Visualize รูปแบบกราฟและ Debug Agent บน Local - การเชื่อมต่อ Node ใน LangGraph เข้ากับ LLM และการบันทึกประวัติการสนทนาใน Thread ด้วย Persistence (Checkpoint) - การทำ Human-in-the-loop เพื่อหยุดการทำงานของ Agent และรอการตัดสินใจ (Approve/Reject) จากมนุษย์ก่อนทำงานต่อ - เพิ่มเติมเรื่อง Long Term Memory (Store) สำหรับจำข้อมูลข้าม Thread และ Time Travel เพื่อย้อนเวลาไปแก้ไข State ในอดีต หัวข้อ 00:00 แนะนำหัวข้อ 02:30 LangGraph คืออะไร ? แตกต่างกับ LangChain อย่างไร 07:10 องค์ประกอบของ LangGraph 11:55 Example 1.1 - แนะนำเรื่อง State, Node, Edge และการดู Graph 24:32 แนะนำ LangSmith Studio 33:38 Example 1.2 - ลองนำ Node ไปต่อกับ LLM (ex. Gemini) 36:05 Example 2.1 - แนะนำเรื่อง Persistence & Checkpoint (การจำข้อมูลใน Thread) 44:48 Example 2.2 - เพิ่มความสามารถ Human in the loop เข้าไป 57:20 Example 3 - การทำ Long Term Memory 1:06:31 Example 4 - แนะนำ Time Travel 1:15:20 สรุปหัวข้อ อ่านฉบับบทความเพิ่มเติมได้ที่ https://mikelopster.dev/posts/langgraph-101/ สำหรับคลิปนี้จะเป็นการปูพื้นฐานแนวคิดของ LangGraph เพื่อให้ทุกคนเห็นภาพรวมของการควบคุม Flow การทำงานของ Agent ในแบบฉบับ Workflow กันบ้าง ซึ่งทั้งคุณสมบัติของ LangChain และ LangGraph นี้ เราอาจจะหยิบมาใช้กันเรื่อยๆ ในหลายๆหัวข้อต่อจากนี้กันด้วย สำหรับใครที่กำลังติดตามอยู่ อย่าลืมดูให้ครบทั้ง 2 หัวข้อก่อนดูหัวข้อถัดไปด้วยนะครับ 😁