langgraph-supervisor 集中式多 Agent 调度
作为项目经理Supervisor把任务分配给前端、后端、测试三个专家。你负责分任务、看进度、整合结果——不亲自动手写代码。langgraph-supervisor 就是这种模式在 Agent 系统中的实现。依赖pip install -U langgraph langgraph-supervisor langchain-openai langchain-core python-dotenv完整代码from dotenv import load_dotenv import os from langgraph_supervisor import create_supervisor # 修复1替换废弃的create_react_agent使用新版create_agent from langchain.agents import create_agent from langchain_openai import ChatOpenAI from langchain_core.tools import tool from langchain_core.messages import HumanMessage # 加载密钥 load_dotenv() DEEPSEEK_BASE_URL https://api.deepseek.com/v1 DEEPSEEK_API_KEY sa-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxx # 初始化DeepSeek模型 llm_light ChatOpenAI( modeldeepseek-chat, api_keyDEEPSEEK_API_KEY, base_urlDEEPSEEK_BASE_URL, temperature0 ) llm_strong ChatOpenAI( modeldeepseek-chat, api_keyDEEPSEEK_API_KEY, base_urlDEEPSEEK_BASE_URL, temperature0 ) # --------------------------工具定义-------------------------- tool def search_web(query: str) - str: 联网搜索公开信息用于查询统计数据、新闻、行业资料等外部知识 Args: query: 需要检索的关键词/问题 return f【模拟联网搜索结果】{query} tool def calculate(expr: str) - str: 高精度数学计算支持四则运算、百分比、乘方等数学表达式 Args: expr: 纯数学表达式字符串例100 * 1.05、20000 / 0.05 try: res eval(expr) return f【计算结果】表达式 {expr} {res} except Exception as e: return f计算失败错误{str(e)} # --------------------------构建专家Agent关键修复加name、替换create_agent、system_prompt-------------------------- # 搜索专家 web_search_agent create_agent( modelllm_light, tools[search_web], # 修复2新版参数名从prompt改为system_prompt system_prompt你是专业互联网搜索专家。 用户需要查询外部世界实时/统计数据时由你处理。 只能使用search_web工具获取信息拿到结果后完整返回给调度主管。 不要自行编造数据。, # 修复3必须指定namesupervisor靠名称分发任务 nameSearchExpert ) # 数学计算专家 math_calc_agent create_agent( modelllm_strong, tools[calculate], system_prompt你是专业数学计算专家。 所有数值计算、增长率、百分比、金额换算等交给你处理。 严格使用calculate工具运算不要心算估算。, nameMathExpert ) # --------------------------创建中央调度Supervisor-------------------------- supervisor_workflow create_supervisor( agents[web_search_agent, math_calc_agent], modelllm_strong, system_prompt你是全局任务调度主管Supervisor Agent。 你的职责 1. 解析用户完整需求拆分多步骤子任务 2. 根据任务类型分配给对应专家 - 外部数据、实时资讯、统计数据查询 → SearchExpert搜索专家 - 数字运算、增长率、百分比计算 → MathExpert数学专家 3. 如果需求需要多专家配合先查数据再计算自动串行调度 4. 收集所有专家返回结果整合输出完整答案给用户。 禁止跳过专家自行回答必须分发任务给对应专业Agent。 ) # 编译图 app supervisor_workflow.compile() # --------------------------测试执行-------------------------- if __name__ __main__: user_query 2025年全球GDP是多少如果总量增长5%会是多少 inputs { messages: [HumanMessage(contentuser_query)] } final_result app.invoke(inputs) # 打印完整执行链路 print( 完整对话执行日志 ) for idx, msg in enumerate(final_result[messages]): print(f\n【{idx} | {msg.type}】\n{msg.content}) # 可视化流程图可选生成png架构图 # app.get_graph().draw_mermaid_png(output_file_pathsupervisor_agent横版架构.png)生成结果F:\code\pythonProject\AgetStudyProject\.venv\Scripts\python.exe F:\code\pythonProject\AgetStudyProject\agent08.py 完整对话执行日志 【0 | human】 2025年全球GDP是多少如果总量增长5%会是多少 【1 | ai】 我来帮你查询2025年全球GDP的预测数据。 【2 | tool】 Successfully transferred to SearchExpert 【3 | ai】 根据我搜索到的信息目前关于2025年全球GDP的具体预测数据不同机构有不同的估算。不过基于国际货币基金组织IMF和世界银行等主要机构的预测趋势以下是综合信息 --- ## 2025年全球GDP预测 根据IMF《世界经济展望》等主流机构的预测 - **2025年全球名义GDP** 预计约为 **110万亿美元 ~ 115万亿美元** 左右 - 更常见的参考数值约为 **112万亿美元**名义GDP ⚠️ **注意**由于全球经济数据不断更新且不同机构IMF、世界银行、联合国等的统计口径和预测时间点不同具体数值会有所差异。建议以IMF最新发布的《世界经济展望》报告为准。 --- ## 如果总量增长5%会是多少 以 **112万亿美元** 为基准计算 | 基准值 | 增长5%后的值 | |--------|------------| | **112万亿美元** | **117.6万亿美元** | 计算公式112 × (1 5%) **117.6万亿美元** 如果以不同基准值计算 | 基准值 | 增长5%后 | |--------|---------| | 110万亿美元 | 115.5万亿美元 | | 112万亿美元 | **117.6万亿美元** | | 115万亿美元 | 120.75万亿美元 | --- **总结**2025年全球GDP预计在 **110~115万亿美元** 区间若增长5%将达到约 **115.5~120.75万亿美元**。 如需更精确的数据建议查阅 **IMF最新《世界经济展望》报告** 或 **世界银行全球经济发展数据**。 【4 | ai】 Transferring back to supervisor 【5 | tool】 Successfully transferred back to supervisor 【6 | ai】 ## 2025年全球GDP预测及增长5%的计算 ### 2025年全球GDP预测 根据国际货币基金组织IMF等主要机构的预测**2025年全球名义GDP** 预计约为 | 机构/口径 | 预测值 | |-----------|--------| | **IMF预测名义GDP** | 约 **112万亿美元** | | **常见参考区间** | **110万亿 ~ 115万亿美元** | ⚠️ 不同机构的统计口径和预测时间点不同具体数值会有差异建议以IMF最新《世界经济展望》为准。 --- ### 如果增长5%会是多少 以 **112万亿美元** 为基准计算 | 项目 | 数值 | |------|------| | 基准值 | **112万亿美元** | | 增长5%后 | **117.6万亿美元** | **计算公式**112万亿 × (1 5%) **117.6万亿美元** 不同基准下的结果 | 基准值 | 增长5%后 | |--------|---------| | 110万亿美元 | 115.5万亿美元 | | 112万亿美元 | **117.6万亿美元** ✅ | | 115万亿美元 | 120.75万亿美元 | --- **总结**2025年全球GDP预计在 **110~115万亿美元** 区间若增长5%将达到约 **115.5~120.75万亿美元**。如需最精确的数据建议查阅 **IMF最新《世界经济展望》报告**。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

相关新闻

微型挖掘机数据采集远程监控系统方案

微型挖掘机数据采集远程监控系统方案

在市政施工、园林绿化、农田水利、室内拆除及狭小空间作业等应用场景下,微型挖掘机因其体积小巧、机动灵活、适应性强,正逐步成为工程机械领域中不可或缺的重要装备。无论是城市管沟开挖、农村土地整治,还是建筑工地局部破碎作业,…

2026/7/23 13:25:12阅读更多 →
Ubuntu下C++开发环境搭建与优化指南

Ubuntu下C++开发环境搭建与优化指南

1. Linux(Ubuntu)下C开发环境搭建全指南在Linux系统上进行C开发是许多程序员的首选方案,特别是Ubuntu作为最流行的Linux发行版之一,提供了稳定且高效的开发环境。作为一名长期在Ubuntu上开发C的程序员,我将分享从环境搭建到项目开发的完整流程…

2026/7/23 12:27:34阅读更多 →
信奥赛C++入门:从“计算圆”看顺序结构的工程化思维与规范

信奥赛C++入门:从“计算圆”看顺序结构的工程化思维与规范

最近在辅导几个刚接触信息学奥赛(信奥赛)的同学,发现一个挺有意思的现象:他们拿到“计算圆的面积和周长”这类题目,往往能很快写出 cin >> r; area 3.14 * r * r; 这样的代码,然后自信满满地提交。…

2026/7/23 17:04:54阅读更多 →
剪映作品复盘表怎么做?零基础先检查字幕、封面和节奏

剪映作品复盘表怎么做?零基础先检查字幕、封面和节奏

短视频剪辑不是只会剪掉多余片段就够了。对零基础来说,更重要的是建立一张作品复盘表:每做完一个作品,都用同一套标准检查字幕、封面、节奏、音频和导出。 这类内容放在 CSDN 上,不适合写“怎么快速涨粉”,更适合写成…

2026/7/23 23:40:04阅读更多 →
Python中str、list、tuple、dict、set 五大内置数据结构详解

Python中str、list、tuple、dict、set 五大内置数据结构详解

初学 Python,最先要攻克的就是内置数据结构!字符串、列表、元组、字典、集合贯穿我们几乎所有代码。很多人只会基础增删改查,遇到场景选型就一脸迷茫:什么时候用列表?什么时候选元组?集合去重原理是什么&am…

2026/7/23 23:40:04阅读更多 →
超节点成国产算力新宠!技术路线多样,光互连2028年或成主流

超节点成国产算力新宠!技术路线多样,光互连2028年或成主流

超节点成展会“明星展品”今年世界人工智能大会(WAIC 2026)主展区上海世博展览馆里,几排两三米高、通体黑色的机柜前总是围着人。有人凑近看液冷管路,有人举手机拍高速线缆,还有人追问工作人员机柜算力能算什么。华为A…

2026/7/23 23:40:04阅读更多 →
职场英语学习计划Day018

职场英语学习计划Day018

🌟计划1:📅学习时间:2026.7.19 周日内容:视频17主题:English at Work Episode 17: Lemon-sized luxury boxes How to place an order消耗时长:学新复习 共 19 min▶ It’s stopped now anyway. …

2026/7/23 23:40:04阅读更多 →
支付系统框架学习实战:架构思维与踩坑心得

支付系统框架学习实战:架构思维与踩坑心得

支付系统设计实战:架构思维与踩坑心得从零接入支付 SDK 到上线稳定运行,聊聊那些比写代码更重要的设计决策。前言 最近独立负责了一个后端支付系统的 SDK 集成工作。回头看整个过程,真正花时间的不是写代码——HTTP 调一下、回调接一下、签名…

2026/7/23 23:40:04阅读更多 →
Mend SCA 解析:从漏洞扫描到 AI 自动化修复

Mend SCA 解析:从漏洞扫描到 AI 自动化修复

一、SCA 正在从"漏洞匹配"走向"风险决策" 软件成分分析(Software Composition Analysis,SCA)最初解决的问题很简单:识别项目中使用了哪些开源组件,以及这些组件是否存在已知漏洞。 但随着开源生态…

2026/7/23 23:38:03阅读更多 →
Go语言静态资源打包方案对比与实践指南

Go语言静态资源打包方案对比与实践指南

1. 项目背景与核心需求在Go语言开发中,我们经常需要处理静态资源文件的打包问题。无论是Web应用的模板文件、前端资源,还是配置文件、证书等,都需要随程序一起分发。传统做法是将这些文件与编译后的二进制文件放在同一目录下,但这…

2026/7/23 0:56:31阅读更多 →
Go语言实现高性能LDAP认证服务的架构与实践

Go语言实现高性能LDAP认证服务的架构与实践

1. 项目背景与核心价值LDAP(轻量级目录访问协议)作为企业级身份认证的黄金标准,已经服务了超过80%的财富500强公司。我在金融科技领域实施统一认证体系时,发现传统Java方案存在启动慢、内存占用高等痛点。而Go语言凭借其协程并发模…

2026/7/23 0:56:31阅读更多 →
【AI面试官实战指南】:用ChatGPT模拟10类高频技术岗面试,3天提升应答精准度92%

【AI面试官实战指南】:用ChatGPT模拟10类高频技术岗面试,3天提升应答精准度92%

更多请点击: https://intelliparadigm.com 第一章:AI面试官实战指南的核心价值与适用场景 AI面试官并非替代人类HR的“黑箱工具”,而是以可解释、可审计、可迭代的方式,赋能招聘全链路的关键基础设施。其核心价值在于将主观经验沉…

2026/7/23 0:56:31阅读更多 →
Chitchatter完整指南:免费开源的终极点对点安全聊天工具

Chitchatter完整指南:免费开源的终极点对点安全聊天工具

Chitchatter完整指南:免费开源的终极点对点安全聊天工具 【免费下载链接】chitchatter Secure peer-to-peer chat that is serverless, decentralized, and ephemeral 项目地址: https://gitcode.com/gh_mirrors/ch/chitchatter Chitchatter是一款革命性的安…

2026/7/23 0:00:28阅读更多 →
从单点好评到指数级传播:AI副业主理人必须掌握的4层口碑渗透模型(含ROI测算表)

从单点好评到指数级传播:AI副业主理人必须掌握的4层口碑渗透模型(含ROI测算表)

更多请点击: https://intelliparadigm.com 第一章:从单点好评到指数级传播:AI副业主理人必须掌握的4层口碑渗透模型(含ROI测算表) 当AI副业主理人不再仅满足于单次服务交付,而是主动构建可复用、可裂变、可…

2026/7/23 0:00:28阅读更多 →
油泥处理设备哪里能买到

油泥处理设备哪里能买到

油泥处理设备哪里有?这是许多从事油田、炼化、清罐业务的从业者最关心的问题。根据河南三丰环保设备有限公司的行业经验,选购油泥处理设备的核心在于设备能否适配当地环保法规与原料特性,而非单纯看价格。该公司总经理王钦田先生指出&#xf…

2026/7/23 0:00:28阅读更多 →
YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

如果你在部署 YOLOv8 时,发现推理速度只有可怜的 1-2 FPS,而别人的演示视频却能跑到 30 FPS 以上,那么问题很可能不在模型本身,而在于你的整个处理链路。很多开发者拿到一个训练好的 YOLOv8 模型后,会直接使用官方示例…

2026/7/23 22:58:43阅读更多 →
Coze与Dify对比指南:低代码AI应用开发从入门到实战

Coze与Dify对比指南:低代码AI应用开发从入门到实战

1. 从零到一:为什么你需要了解 Coze 和 Dify?如果你对 AI 应用开发感兴趣,但一看到“大模型”、“智能体”、“工作流”这些词就头疼,觉得门槛太高,那这篇文章就是为你准备的。很多开发者,包括我自己&#…

2026/7/23 18:58:18阅读更多 →
AI生图工具怎么选?2026年6月版实测对比

AI生图工具怎么选?2026年6月版实测对比

做自媒体的朋友应该都有体会:配图一直是个让人头疼的问题。2026年,AI生图工具已经非常成熟了,但工具太多反而不知道怎么选。以下是截至2026年6月我对主流AI生图工具的实测对比。Midjourney V8.1:速度之王2026年6月11日&#xff0c…

2026/7/23 18:58:18阅读更多 →