从 langchain core. messages 导入 AIMessageChunk, HumanMessage
从 langgraph.types 导入命令，中断
从langraph.graph 导入状态 Graph,START, END，信件状态
从 langgraph. checkpoint.memory 导入内存
从 dotenv 导入负载 dotenv
加载 dotenv(覆盖= True)
从 langchain.chat 模型导入 init chat 模型
模型 = init 聊天模型(
型号="deepseek聊天"
额外单位( B)
"思考":{
"类型":"残疾"
}
}
)
类超全态( Messages State):
文本：str
def 输入节点( 状态：Over All State) - > 全州：
val = 打断("请输入")
res = model.invoke([HumanMessage(val)])
返回 {
"灵枢":[
}
建构器 = StateGraph( State schema=Over All State) 页面存档备份，存于互联网档案馆，存于互联网档案馆互联网档案馆互联网档案馆的存檔，存档日期2011-03-02.
构建器.add node("输入 node"，输入 node)
builder.add edge(START,"输入节点")
buildinger.add edge(“输入节点”,END)
检查器 = InmemorySaver ()
图表 = 构建器。 compile(检查点 = 检查点)
配置={
"素问"曰：{"经"曰："九六七".
}
图.invoke({},config=config)
val=输入 ("请输入")
对于块，用图表表示元数据。 流线( R)
命令( 恢复=val)
配置=配置
溪流 mode=“信息”
):
如果存在( 圆，AIMessageChunk) 和块。 内容：
打印(chunk.content, end="), shrow=True)
本文由 AI图鉴自动抓取并翻译，版权归原作者所有；如需查看原文请点下方链接。
from langchain_core.messages import AIMessageChunk, HumanMessage
from langgraph.types import Command,interrupt
from langgraph.graph import StateGraph, START, END, MessagesState
from langgraph.checkpoint.memory import InMemorySaver
from dotenv import load_dotenv
load_dotenv(override=True)
from langchain.chat_models import init_chat_model
model = init_chat_model(
model="deepseek-chat",
extra_body={
"thinking": {
"type": "disabled"
}
}
)
class OverAllState(MessagesState):
text: str
def input_node(state: OverAllState) -> OverAllState:
val = interrupt("请输入")
res = model.invoke([HumanMessage(val)])
return {
"messages": [res]
}
builder = StateGraph(state_schema=OverAllState)
builder.add_node("input_node", input_node)
builder.add_edge(START, "input_node")
builder.add_edge("input_node", END)
checkpointer = InMemorySaver()
graph = builder.compile(checkpointer=checkpointer)
config = {
"configurable": {"thread_id": "9667"}
}
graph.invoke({},config=config)
val=input("请输入")
for chunk, metadata in graph.stream(
Command(resume=val),
config=config,
stream_mode="messages",
):
if isinstance(chunk, AIMessageChunk) and chunk.content:
print(chunk.content, end="", flush=True)
Auto-fetched and translated by AI Atlas. All rights belong to the original author.