用 LangGraph + Qwen 打造属于你的聊天机器人（新手友好版）

作者：Python测试之道

本文手把手教你用 LangGraph 和通义 Qwen 大模型，快速实现一个能“记住你说过什么”的中文对话机器人。代码简单，思路清晰，适合任何想入门 AI 聊天机器人的朋友。

<hr>1. 为什么推荐 LangGraph？

过去做聊天机器人，很多人用过 Rasa、Botpress 或者直接用大模型写流程，但你会发现——
对话一复杂，代码就像毛线团一样缠在一起。
LangGraph 就是为了解决这个问题：它用“状态机”这种更工程化的方式，把每一步对话拆成小模块，拼搭组合，思路特别清晰。
再加上 Qwen 模型（通义实验室的大语言模型，中文效果很棒），你可以轻松实现带记忆、多轮对话的智能机器人。
<hr>2. 环境准备

安装依赖

建议用虚拟环境，避免包冲突：

1. pip install -U langgraph langsmith

复制代码

langgraph：状态机核心框架langsmith：调试和可视化工具，用于追踪对话历史、性能（可以暂时不用，后续进阶会用到）

获取 Qwen API Key

去通义实验室注册账号，拿到你的 Key，然后：

1. import os
2. os.environ["DASHSCOPE_API_KEY"]="你的_api_key"

复制代码

<hr>3. 代码核心拆解

（1）定义对话“记忆”

1. from typing import Annotated
2. from typing_extensions import TypedDict
3. from langgraph.graph.message import add_messages
5. classState(TypedDict):
6.     messages: Annotated[list, add_messages]

复制代码

理解一下：State 就是你机器人的“记事本”，每次对话消息会自动追加到里面。

<hr>（2）搭建状态机框架

1. from langgraph.graph import StateGraph, START, END
3. graph_builder = StateGraph(State)

复制代码

简单理解为：“从 START 开始，经过一系列节点，最后到 END。”

<hr>（3）对接 Qwen 模型

1. from langchain_community.llms import Tongyi
3. llm = Tongyi(
4.     model="qwen-max",
5.     streaming=True,# 打字机输出
6.     temperature=0.7,# 回答更自然
7.     top_p=0.8,# 合理控制多样性
8.     api_key="你的_api_key")

复制代码

<hr>（4





原文地址：https://blog.csdn.net/weixin_44872675/article/details/149432849