LangGraph
Agent analizy danych z LangGraph
Zbuduj agenta AI do analizy danych, który przetwarza zbiory danych, wykonuje obliczenia Python, generuje wykresy i tworzy wnioski — z LangGraph.
data analysisPythonchartsanalytics
Działający kod
from langchain_openai import ChatOpenAIfrom langchain_core.tools import toolfrom langgraph.prebuilt import create_react_agent
@tooldef execute_python(code: str) -> str: """Execute Python code for data analysis. pandas and matplotlib are available.""" import subprocess result = subprocess.run( ["python", "-c", code], capture_output=True, text=True, timeout=30, ) return result.stdout or f"Error: {result.stderr}"
@tooldef read_csv_info(path: str) -> str: """Get info about a CSV file (columns, types, shape).""" import pandas as pd df = pd.read_csv(path) return f"Shape: {df.shape}\nColumns: {list(df.columns)}\nTypes:\n{df.dtypes}"
agent = create_react_agent( ChatOpenAI(model="gpt-4o"), tools=[execute_python, read_csv_info], prompt="You are a data analyst. Explore datasets using read_csv_info, then use execute_python to run analysis code. Present findings clearly with numbers.",)
result = await agent.ainvoke({ "messages": [("user", "Analyze sales_data.csv and find the top performing products by revenue")]})print(result["messages"][-1].content)Krok po kroku
1
Zainstaluj zależności
Zainstaluj LangGraph i wymagane narzędzia do tego przypadku użycia.
2
Zdefiniuj narzędzia
Stwórz specyficzne dla domeny funkcje narzędzi, których agent będzie używał do interakcji z zewnętrznymi serwisami.
3
Stwórz agenta i uruchom
Zainicjalizuj agenta LangGraph z narzędziami, ustaw prompt systemowy i wykonaj zapytanie.
Zbuduj z innymi frameworkami
Więcej poradników z LangGraph
Gotowy do budowania z LangGraph?
Wygeneruj gotowy do produkcji projekt z LangGraph — FastAPI + Next.js, autoryzacja, streaming i więcej.
RozpocznijGotowy, żeby zbudować swojego pierwszego agenta AI?
Open-source'owe narzędzia, sprawdzone wzorce, zero boilerplate'u. Skonfiguruj swój stos i wyślij w minuty — nie miesiące.