Agent系列——SPring AI Alibaba Graph初探

Ne0inhk

— 13 min read
Agent系列——SPring AI Alibaba Graph初探

文章目录

一、概述

为什么需要Graph

在这里插入图片描述

核心概念

在这里插入图片描述

二、快速入门

实现如下工作流：
开始节点→node1→node2→结束节点
用node2的值替换node1的值

依赖版本

spring-boot：3.4.0
spring-ai-alibaba：1.0.0.4

pom.xml添加核心依赖

<dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><dependency><groupId>org.springframework.ai</groupId><artifactId>spring-ai-starter-model-zhipuai</artifactId></dependency><dependency><groupId>com.alibaba.cloud.ai</groupId><artifactId>spring-ai-alibaba-graph-core</artifactId></dependency>

修改配置文件application.yaml

server:port:8889spring:application:name: agent-graph ai:zhipuai:api-key: ${ZHIPU_KEY}# 配置智谱大模型的API Keychat:options:model: glm-4-flash

创建状态图的配置类

在这里插入图片描述


GraphConfig.java

@Configuration@Slf4jpublicclassGraphConfig{@Bean("quickStartGraph")publicCompiledGraphquickStartGraph()throwsGraphStateException{KeyStrategyFactory keyStrategyFactory =newKeyStrategyFactory(){@OverridepublicMap<String,KeyStrategy>apply(){// ReplaceStrategy为替换策略returnMap.of("input1",newReplaceStrategy(),"input2",newReplaceStrategy());}};// 定义状态图StateGraphStateGraph stateGraph =newStateGraph("quickStartGraph", keyStrategyFactory);// 添加节点// AsyncNodeAction.node_async为异步执行 stateGraph.addNode("node1",AsyncNodeAction.node_async(newNodeAction(){@OverridepublicMap<String,Object>apply(OverAllState state)throwsException{ log.info("node1 state: {}", state);returnMap.of("input1",1,"input2",1);}})); stateGraph.addNode("node2",AsyncNodeAction.node_async(newNodeAction(){@OverridepublicMap<String,Object>apply(OverAllState state)throwsException{ log.info("node2 state: {}", state);returnMap.of("input1",2,"input2",2);}}));// 定义边 stateGraph.addEdge(StateGraph.START,"node1"); stateGraph.addEdge("node1","node2"); stateGraph.addEdge("node2",StateGraph.END);// 编译状态图return stateGraph.compile();}}

创建一个Controller

GraphController.java

@RestController @RequestMapping("/graph") @Slf4j publicclassGraphController{private final CompiledGraph compiledGraph;publicGraphController(CompiledGraph compiledGraph){this.compiledGraph = compiledGraph;} @GetMapping("/quickStartGraph")publicStringquickStartGraph(){Optional<OverAllState> overAllStateOptional = compiledGraph.call(Map.of()); log.info("overAllStateOptional: {}", overAllStateOptional);return"OK";}}

启动程序，查看效果

GET方式，http://localhost:8889/graph/quickStartGraph

在这里插入图片描述


发现input1和input2的值被成功替换为2

三、API详解

KeyStrategyFactory（键策略工厂）

在这里插入图片描述

NodeAction&AsyncNodeAction

在这里插入图片描述

stateGraph（状态图）

状态图的抽象，需要配置状态(通过KeyStrategyFactory ),节点,边。
配置好后通过compile方法编译成CompiledGraph后才可以供调用。

CompiledGraph(编译图）

CompiledGraph是StateGraph编译后的结果，CompiledGraph才能用了执行。
一般我们是把StateGraph定义好后调用其compile方法得到一个CompiledGraph放入Spring容器中然后在需要的时候从容器中注入然后再调用。

在这里插入图片描述

四、案例：开发一个英语学习小助手

需求

使用Graph开发一个英语学习小助手。
功能如下:输入一个单词，能基于这个单词造句，然后再对句子进行翻译，把造句的译文也返回。

思路分析

我们可以定义一个工作流，工作流中主要有两个节点:
SentenceConstructionNode 造句节点，拿输入的单词让LLM进行造句。
TranslationNode 翻译节点，能够把一个英文句子翻译成中文。最终把造句的结果和翻译的结果返回即可。

流程图

开始节点（输入一个单词）–>造句节点（根据给定的单词进行造句）–>翻译节点（对句子进行翻译）–>结束节点（输出造句和翻译的结果）

代码编写

定义SentenceConstructionNode造句节点

在这里插入图片描述
publicclassSentenceConstructionNodeimplementsNodeAction{privatefinalChatClient chatClient;publicSentenceConstructionNode(ChatClient.Builder builder){this.chatClient = builder.build();}@OverridepublicMap<String,Object>apply(OverAllState state)throwsException{// 从stage中获取要造句的单词String word = state.value("word","");// 定义提示词PromptTemplate promptTemplate =newPromptTemplate("你是一个英语造句专家，能够基于给定的单词进行造句。"+"要求只返回最终造好的句子，不要返回其他信息。给定的单词:{word}"); promptTemplate.add("word", word);// 替换占位符String prompt = promptTemplate.render();// 渲染提示词// 模型调用String content = chatClient.prompt().user(prompt).call().content();// 把句子存入stagereturnMap.of("sentence", content);}}

定义TranslationNode翻译节点

publicclassTranslationNodeimplementsNodeAction{privatefinalChatClient chatClient;publicTranslationNode(ChatClient.Builder builder){this.chatClient = builder.build();}@OverridepublicMap<String,Object>apply(OverAllState state)throwsException{// 从stage中获取要翻译的句子String sentence = state.value("sentence","");// 定义提示词PromptTemplate promptTemplate =newPromptTemplate("你是一个英语翻译专家，能够把英文翻译成中文。"+"要求只返回翻译的中文结果，不要返回英文原句。要翻译的英文句子:{sentence}"); promptTemplate.add("sentence", sentence);// 替换占位符String prompt = promptTemplate.render();// 渲染提示词// 模型调用String content = chatClient.prompt().user(prompt).call().content();// 把翻译结果存入stagereturnMap.of("translation", content);}}

定义状态图

config/GraphConfig.java,在quickStartGraph下面增加如下内容

在这里插入图片描述
@Bean("simpleGraph")publicCompiledGraphsimpleGraph(ChatClient.Builder clientBuilder)throwsGraphStateException{KeyStrategyFactory keyStrategyFactory =()->{HashMap<String,KeyStrategy> keyStrategyHashMap =newHashMap<>(); keyStrategyHashMap.put("word",newReplaceStrategy()); keyStrategyHashMap.put("sentence",newReplaceStrategy()); keyStrategyHashMap.put("translation",newReplaceStrategy());return keyStrategyHashMap;};// 创建状态图StateGraph stateGraph =newStateGraph("simpleGraph", keyStrategyFactory);// 添加节点 stateGraph.addNode("SentenceConstructionNode",AsyncNodeAction.node_async(newSentenceConstructionNode(clientBuilder))); stateGraph.addNode("TranslationNode",AsyncNodeAction.node_async(newTranslationNode(clientBuilder)));// 定义边 stateGraph.addEdge(StateGraph.START,"SentenceConstructionNode"); stateGraph.addEdge("SentenceConstructionNode","TranslationNode"); stateGraph.addEdge("TranslationNode",StateGraph.END);// 编译状态图，放入容器return stateGraph.compile();}

新增API接口

在这里插入图片描述
@RestController@RequestMapping("/graph")@Slf4jpublicclassGraphController{privatefinalCompiledGraph compiledGraph;privatefinalCompiledGraph simpleGraph;publicGraphController(@Qualifier("quickStartGraph")CompiledGraph compiledGraph,@Qualifier("simpleGraph")CompiledGraph simpleGraph){this.compiledGraph = compiledGraph;this.simpleGraph = simpleGraph;}@GetMapping("/quickStartGraph")publicStringquickStartGraph(){Optional<OverAllState> overAllStateOptional = compiledGraph.call(Map.of()); log.info("overAllStateOptional: {}", overAllStateOptional);return"OK";}@GetMapping("/simpleGraph")publicMap<String,Object>simpleGraph(@RequestParam("word")String word){Optional<OverAllState> overAllStateOptional = simpleGraph.call(Map.of("word", word));Map<String,Object> data = overAllStateOptional.map(OverAllState::data).orElse(Map.of());return data;}}

启动服务，访问接口

GET方法：http://localhost:8889/graph/simpleGraph?word=sky

在这里插入图片描述

五、条件边

在这里插入图片描述


在这里插入图片描述

代码结构

在这里插入图片描述

定义GenerateJokeNode生成笑话节点

publicclassGenerateJokeNodeimplementsNodeAction{privatefinalChatClient chatClient;publicGenerateJokeNode(ChatClient.Builder builder){this.chatClient = builder.build();}@OverridepublicMap<String,Object>apply(OverAllState state)throwsException{// 从stage中获取笑话主题String topic = state.value("topic","");// 定义提示词PromptTemplate promptTemplate =newPromptTemplate("你需要写一个关于指定主题的短笑话。要求返回的结果中只能包含笑话的内容"+"主题:{topic}"); promptTemplate.add("topic", topic);// 替换占位符String prompt = promptTemplate.render();// 渲染提示词// 模型调用String content = chatClient.prompt().user(prompt).call().content();// 把结果存入stagereturnMap.of("joke", content);}}

定义EvaluateJokesNode评估笑话节点

publicclassEvaluateJokesNodeimplementsNodeAction{privatefinalChatClient chatClient;publicEvaluateJokesNode(ChatClient.Builder builder){this.chatClient = builder.build();}@OverridepublicMap<String,Object>apply(OverAllState state)throwsException{// 从stage中获取待评估笑话String joke = state.value("joke","");// 定义提示词PromptTemplate promptTemplate =newPromptTemplate("你是一个笑话评分专家，能够对笑话进行评分，基于效果的搞笑程度给出0到10分的打分。"+"0到3分是不够优秀，4到10分是优秀。要求结果只返回优秀或者不够优秀，不能输出其他内容。"+"要评分的笑话:{joke}"); promptTemplate.add("joke", joke);// 替换占位符String prompt = promptTemplate.render();// 渲染提示词// 模型调用String content = chatClient.prompt().user(prompt).call().content();// 把结果存入stagereturnMap.of("result", content.trim());}}

定义EnhanceJokeQualityNode优化笑话节点

publicclassEnhanceJokeQualityNodeimplementsNodeAction{privatefinalChatClient chatClient;publicEnhanceJokeQualityNode(ChatClient.Builder builder){this.chatClient = builder.build();}@OverridepublicMap<String,Object>apply(OverAllState state)throwsException{// 从stage中获取待评估笑话String joke = state.value("joke","");// 定义提示词PromptTemplate promptTemplate =newPromptTemplate("你是一个笑话优化专家，你能够优化笑话，让它更加搞笑"+"要优化的话:{joke}"); promptTemplate.add("joke", joke);// 替换占位符String prompt = promptTemplate.render();// 渲染提示词// 模型调用String content = chatClient.prompt().user(prompt).call().content();// 把结果存入stagereturnMap.of("newJoke", content);}}

在GraphConfig下面定义图

@Bean("conditionalGraph")publicCompiledGraphconditionalGraph(ChatClient.Builder clientBuilder)throwsGraphStateException{KeyStrategyFactory keyStrategyFactory =()->Map.of("topic",newReplaceStrategy());// 定义状态图StateGraphStateGraph stateGraph =newStateGraph("conditionalGraph", keyStrategyFactory);// 定义节点 stateGraph.addNode("生成笑话",AsyncNodeAction.node_async(newGenerateJokeNode(clientBuilder))); stateGraph.addNode("评估笑话",AsyncNodeAction.node_async(newEvaluateJokesNode(clientBuilder))); stateGraph.addNode("优化笑话",AsyncNodeAction.node_async(newEnhanceJokeQualityNode(clientBuilder)));// 定义边 stateGraph.addEdge(StateGraph.START,"生成笑话"); stateGraph.addEdge("生成笑话","评估笑话"); stateGraph.addConditionalEdges("评估笑话",AsyncEdgeAction.edge_async( state -> state.value("result","优秀")),Map.of("优秀",StateGraph.END,"不够优秀","优化笑话")); stateGraph.addEdge("优化笑话",StateGraph.END);return stateGraph.compile();}

在GraphController下创建接口

privatefinalCompiledGraph compiledGraph;privatefinalCompiledGraph simpleGraph;privatefinalCompiledGraph conditionalGraph;publicGraphController(@Qualifier("quickStartGraph")CompiledGraph compiledGraph,@Qualifier("simpleGraph")CompiledGraph simpleGraph,@Qualifier("conditionalGraph")CompiledGraph conditionalGraph){this.compiledGraph = compiledGraph;this.simpleGraph = simpleGraph;this.conditionalGraph = conditionalGraph;}@GetMapping("/conditionalGraph")publicMap<String,Object>conditionalGraph(@RequestParam("topic")String topic){Optional<OverAllState> overAllStateOptional = conditionalGraph.call(Map.of("topic", topic));Map<String,Object> data = overAllStateOptional.map(OverAllState::data).orElse(Map.of());return data;}

验证效果

GET方式：http://localhost:8889/graph/conditionalGraph?topic=爱情
评估结果是优秀

在这里插入图片描述


直接输出结果

在这里插入图片描述


在断点处右击，选择“Evaluate Expression”

在这里插入图片描述


篡改评估结果为"不够优秀"，回车后关闭

在这里插入图片描述


修改成功

在这里插入图片描述


就会走优化节点，生成新的笑话

在这里插入图片描述

六、循环边

在这里插入图片描述

新增LoopEvaluateJokesNode循环评分节点

@Slf4jpublicclassLoopEvaluateJokesNodeimplementsNodeAction{privatefinalChatClient chatClient;privatefinalInteger targetScore;privatefinalInteger maxLoopCount;publicLoopEvaluateJokesNode(ChatClient.Builder builder,Integer targetScore,Integer maxLoopCount){this.chatClient = builder.build();this.targetScore = targetScore;this.maxLoopCount = maxLoopCount;}@OverridepublicMap<String,Object>apply(OverAllState state)throwsException{// 从stage中获取待评估笑话String joke = state.value("joke","");// 循环次数Integer loopCount = state.value("loopCount",0);// 定义提示词PromptTemplate promptTemplate =newPromptTemplate("你是一个笑话评分专家，能够对笑话进行评分，基于效果的搞笑程度给出0到10分的打分。"+"要求结果只返回最后的打分，打分必须是整数，不能输出其他内容。"+"要评分的笑话:{joke}"); promptTemplate.add("joke", joke);// 替换占位符String prompt = promptTemplate.render();// 渲染提示词// 模型调用String content = chatClient.prompt().user(prompt).call().content();// content转为整数Integer score =Integer.parseInt(content.trim()); log.info("joke: {},score: {},循环次数: {}", joke, score, loopCount);// 根据分数判断是否继续循环,循环最多执行5次String result ="loop";if(score >= targetScore || loopCount >= maxLoopCount){ result ="break";} loopCount++;// 把结果存入stagereturnMap.of("result", result,"loopCount", loopCount);}}

在GraphConfig下面定义图

@Bean("loopGraph")publicCompiledGraphloopGraph(ChatClient.Builder clientBuilder)throws GraphStateException {KeyStrategyFactory keyStrategyFactory =()-> Map.of("topic",newReplaceStrategy());// 定义状态图StateGraphStateGraph stateGraph =newStateGraph("loopGraph", keyStrategyFactory);// 定义节点 stateGraph.addNode("生成笑话", AsyncNodeAction.node_async(newGenerateJokeNode(clientBuilder))); stateGraph.addNode("评估笑话", AsyncNodeAction.node_async(newLoopEvaluateJokesNode(clientBuilder,8,5)));// 定义边 stateGraph.addEdge(StateGraph.START,"生成笑话"); stateGraph.addEdge("生成笑话","评估笑话"); stateGraph.addConditionalEdges("评估笑话", AsyncEdgeAction.edge_async( state -> state.value("result","loop")), Map.of("loop","生成笑话","break", StateGraph.END));return stateGraph.compile();}

在GraphController下创建接口

@GetMapping("/loopGraph")publicMap<String, Object>loopGraph(@RequestParam("topic")String topic){Optional<OverAllState> overAllStateOptional = loopGraph.call(Map.of("topic", topic));Map<String, Object> data = overAllStateOptional.map(OverAllState::data).orElse(Map.of());return data;}

测试

GET方式：http://localhost:8889/graph/loopGraph?topic=爱情
当score为8时，退出循环，输出结果

在这里插入图片描述


在这里插入图片描述

七、状态存储

我们可以把图中的状态数据进行存储。默契情况下Graph会把状态存储到内存中。

在ConfigGraph中创建状态图

@Bean("saveGraph")publicCompiledGraphsaveGraph(ChatClient.Builder clientBuilder)throwsGraphStateException{KeyStrategyFactory keyStrategyFactory =()->Map.of();// 定义状态图 stateGraphStateGraph stateGraph =newStateGraph("saveGraph", keyStrategyFactory); stateGraph.addNode("对话存储",AsyncNodeAction.node_async(newNodeAction(){@OverridepublicMap<String,Object>apply(OverAllState state)throwsException{String msg = state.value("msg","");ArrayList<Object> historyMsg = state.value("historyMsg",newArrayList<>()); historyMsg.add(msg);returnMap.of("historyMsg", historyMsg);}}));// 定义边 stateGraph.addEdge(StateGraph.START,"对话存储"); stateGraph.addEdge("对话存储",StateGraph.END);return stateGraph.compile();}

在GraphController中创建接口

@GetMapping("/saveGraph")// 通过conversationId来隔离不同请求者的数据publicMap<String,Object>saveGraph(@RequestParam("msg")String msg,@RequestParam("conversationId")String conversationId){RunnableConfig runnableConfig =RunnableConfig.builder().threadId(conversationId).build();Optional<OverAllState> overAllStateOptional = saveGraph.call(Map.of("msg", msg), runnableConfig);Map<String,Object> data = overAllStateOptional.map(OverAllState::data).orElse(Map.of());return data;}

测试

GET方式：http://localhost:8889/graph/saveGraph?msg=你好张三&conversationId=zs
第一次调用

在这里插入图片描述

第二次调用，发现前面的值存储了下来

在这里插入图片描述


修改会话ID，历史数据只有最新的一条数据

在这里插入图片描述

八、打印图

我们可以把定义好的状态图进行打印，更直观的看到当前图的情况

在图的下面添加如下代码：

// 添加PlantUML打印GraphRepresentation representation = stateGraph.getGraph(GraphRepresentation.Type.PLANTUML,"stateGraph"); log.info("\n===打印UML Flow==="); log.info(representation.content()); log.info("====================\n");
在这里插入图片描述


启动服务，复制如下内容

在这里插入图片描述


打开网址：http://www.plantuml.com/plantuml/
粘贴内容，就可以看到图的效果了

在这里插入图片描述

九、资料

视频:https://www.bilibili.com/video/BV1eyWbzEEnw?spm_id_from=333.788.player.switch&vd_source=0467ab39cc5ec5940fee22a0e7797575&p=45

Read more

【开源工具】超全Emoji工具箱开发实战：Python+PyQt5打造跨平台表情管理神器

【开源工具】超全Emoji工具箱开发实战：Python+PyQt5打造跨平台表情管理神器

🌟 超全Emoji工具箱开发实战：Python+PyQt5打造跨平台表情管理神器 🌈 个人主页：创客白泽 - ZEEKLOG博客 🔥 系列专栏：🐍《Python开源项目实战》 💡 热爱不止于代码，热情源自每一个灵感闪现的夜晚。愿以开源之火，点亮前行之路。 👍 如果觉得这篇文章有帮助，欢迎您一键三连，分享给更多人哦 📖 概述 在当今数字化社交时代，Emoji已成为全球通用的视觉语言。本文介绍如何使用Python和PyQt5开发一个功能全面的Emoji工具箱，包含完整的Unicode 14.0标准表情库，提供分类浏览、智能搜索和快捷复制等功能。该项目具有以下技术亮点： * 采用MVC架构设计 * 支持跨平台运行（Windows/macOS/Linux） * 实现高性能的emoji渲染和搜索 * 提供现代化的UI交互体验 * 完整包含1800+个标准emoji 🎯 功能特性 1. 全量Emoji集合 * 涵盖9大分类体系 * 每个emoji包含官方名称标注 * 支持最新Unicode 14.0标准 2. 智能搜索系统 * 支持中文

By Ne0inhk
全网最全！Python、PyTorch、CUDA 与显卡版本对应关系速查表

全网最全！Python、PyTorch、CUDA 与显卡版本对应关系速查表

摘要：搞深度学习，最痛苦的不是写代码，而是配环境！ “为什么我的 PyTorch 认不出显卡？” “新买的显卡装了旧版 CUDA 为什么报错？” 本文提供一份保姆级的版本对应关系速查表，涵盖从 RTX 50 系列 (Blackwell) 到经典老卡的软硬件兼容信息。建议收藏保存，每次配环境前查一下，能省下大量的排坑时间！ 🗺️ 核心逻辑图解 在看表格前，先理清显卡架构的代际关系与 CUDA 版本的强绑定逻辑。 📊 一、PyTorch 版本对照表 (推荐) PyTorch 是目前兼容性最好的框架，只要 CUDA 驱动版本 足高，通常都能向下兼容。对于使用最新硬件（如 RTX 50 系）的用户，请务必使用 2.4 或更高版本。 PyTorch 版本Python 版本推荐 CUDA适用显卡建议2.

By Ne0inhk
Python 驱动浏览器自动化：Playwright + AI 的 2026 最佳实践

Python 驱动浏览器自动化：Playwright + AI 的 2026 最佳实践

摘要：在 Web 自动化领域，Selenium 曾经的霸主地位已成历史，Playwright 凭其“快、稳、强”的现代特性成为了新标准。而在 2026 年，随着 LLM（大语言模型）和视觉多模态模型的爆发，自动化测试与 RPA（机器人流程自动化）迎来了范式革命。本文将深度解析 Playwright 的核心架构，并手把手教你构建一个具备“自愈能力”的 AI 驱动自动化 Agent。本文超 7000 字，包含大量实战代码与反爬对抗技巧。 第一章：Selenium 已死，Playwright 当立？ 1.1 自动化的“不可能三角” 长期以来，Web 自动化工程师都在速度、稳定性和抗检测性之间做取舍： * Selenium:

By Ne0inhk