Curs 7: LangGraph, workflow-uri cu stare și agenți multipli

Despre acest curs

În C6 am construit un agent RAG simplu: un text politic intra în sistem, agentul recupera context din FAISS și genera un răspuns în vocea rolului definit în YAML.

În C7 trecem de la un singur răspuns la un thread orchestrat. Construim un workflow în care state-ul circulă între noduri, routerul decide cine vorbește, iar fiecare agent vede conversația anterioară înainte să producă o intervenție nouă.

formula_c7.txt

C6: text politic → agent RAG → răspuns
C7: state → router → agent_node → state update → router → END

LangGraph nu face modelul mai inteligent. Face fluxul explicit, controlabil și inspectabil.

Materiale

▤

Prezentare C7

Prezentarea C7 introduce fluxul LangGraph, state-ul thread-ului, routerul și trecerea de la agent RAG simplu la orchestrare multi-agent.

▶ Deschide viewer ↓ PDF

⊞

Notebook C7

Notebookul individual pentru primul thread multi-agent: state, router, agent node, actualizare de mesaje și oprire controlată a grafului.

C7_01_langgraph_multi_agent_thread.ipynb

↗ Deschide viewer ↓ Descarcă

◫

Tutorial LangGraph

Tutorial HTML separat pentru LangGraph. Landing page-ul rămâne scurt, iar explicația extinsă și exemplele rămân în materialul dedicat.

materiale/langgraph_tutorial.html

↗ Deschide

⌘

Starter graph

Template-ul minim pentru extragerea logicii din notebook în cod de aplicație: funcții pentru state, router, agent node și rulare de thread.

materiale/core_graph_template.py

↓ Descarcă

□

Checklist etic

Checklistul etic de lucru pentru echipă. Îl folosim ca bază pentru redactarea docs/ethics_and_limits.md și pentru verificarea livrabilului final.

materiale/ethics_checklist.md

↗ Deschide

Concepte centrale

În acest curs învățăm cum să construim un workflow agentic simplu cu LangGraph. Conceptele de mai jos sunt cele care apar direct în EchoChamber.

Concept	Ce înseamnă	În EchoChamber
State	Datele care circulă prin graf	`stimulus`, `messages`, `current_turn`
Node	Funcție Python care modifică state-ul	`router_node`, `agent_node`
Edge	Trecere fixă între noduri	`agent_node → router`
Conditional edge	Alegere pe baza state-ului	`router → agent` sau `END`
Router	Decide următorul pas	Cine vorbește în thread
Thread	Conversația generată	Lista de mesaje din `messages`

Ce construim

Construim un thread multi-agent pentru EchoChamber. Fiecare agent are rolul său definit în YAML, folosește corpusul și vectorstore-ul din C5 și C6, vede conversația anterioară și produce o intervenție nouă sub controlul unui router LangGraph.

Fiecare agent pornește de la un rol discursiv definit în YAML.
Retriever-ul și contextul RAG rămân baza factuală a intervenției.
Mesajele anterioare sunt păstrate în state și devin parte din context.
Routerul decide când continuă thread-ul și când graful se oprește.

START → router → agent_node → messages update → router → agent_node / END

În C7 modelăm interacțiuni și tranziții între stări, nu doar un singur răspuns generat.

De ce contează pentru cercetarea socială

Putem observa cum se construiește un thread, nu doar cum arată o ieșire individuală.
Putem urmări cum agenții reacționează la mesaje anterioare și cum se repetă sau se schimbă frame-urile.
Putem studia unde conversația escaladează și unde trebuie introdus control uman.
Workflow-ul devine inspectabil: știm cine a vorbit, de ce și în ce ordine.

C7 nu este despre a simula oameni reali. Este despre a construi un instrument didactic pentru a analiza poziții discursive simulate.

Activitate practică

Verificăm că agentul RAG din C6 funcționează.
Construim un graf simplu fără LLM.
Construim un graf cu decizie.
Definim ThreadState.
Construim router_node.
Construim make_agent_node.
Rulăm primul thread multi-agent.
Vizualizăm conversația.
Extragem codul în core/graph.py.

Livrabile C7

Individual

01notebooks/student_XX/C7_01_langgraph_multi_agent_thread.ipynb

Notebook-ul trebuie să conțină un thread multi-agent rulat.
Minimum 3 agenți.
Minimum 4 intervenții.
O scurtă interpretare a conversației.

Echipă

02core/graph.py
03app/app.py
04docs/ethics_and_limits.md
05README.md

core/graph.py trebuie să conțină cel puțin: thread_to_text(), router_node(), route_decision(), make_agent_node(), build_graph(), run_thread().
app/app.py trebuie să pregătească integrarea minimă a unui tab multi-agent.
docs/ethics_and_limits.md explică limitele și riscurile sistemului.
README.md trebuie să includă link către documentul de etică.

Sesiune de lucru în echipă

Scopul sesiunii este stabilizarea aplicației și pregătirea trecerii de la Agent RAG simplu la thread multi-agent. Ordinea corectă de lucru este:

roles → retriever → agent → graph → app → GitHub

Nu începeți cu interfața. Dacă roles.yaml, retriever.py sau agent.py nu funcționează, graph.py și app.py nu vor funcționa corect.

Regulă de echipă

Coordonare

Nu lucrează doi membri pe același fișier comun în același timp.

Fișiere comune

Aassets/roles/roles.yaml
Bcore/retriever.py
Ccore/agent.py
Dcore/graph.py
Eapp/app.py

Ce nu facem în C7

Nu facem redesign complet de UI.
Nu construim dashboard.
Nu folosim n8n, MCP sau scraping web.
Nu construim un sistem multi-agent avansat. În C7 vrem stabilitate: un agent RAG funcțional și un thread multi-agent minimal.

Etică și limite

EchoChamber generează răspunsuri politice simulate. Agenții nu sunt persoane reale și nu reprezintă grupuri sociale reale. Outputul generat nu este adevăr factual și nu trebuie prezentat ca opinie publică.

Agenții sunt etichetați clar ca roluri simulate.
Contextul RAG este separat de răspuns.
Nu există API keys sau .env în GitHub.
Rezultatele sunt revizuite de oameni.
docs/ethics_and_limits.md există și este legat în README.md.

Test comun

c7_test_input.txt

Input:
CCR a decis anularea alegerilor după suspiciuni privind influențe externe.

Agent recomandat:
anti_sistem

Alternativ:
agentul pentru care echipa are sigur vectorstore funcțional

Rezultat așteptat

La finalul C7, echipa trebuie să poată rula un thread multi-agent simplu și să explice clar ce este state-ul, ce face routerul, ce face un agent_node, cum se actualizează conversația, cum se oprește graful și care sunt limitele etice ale simulării.