第四章:大模型(LLM)
第八部分:Agent 教程
第七节:使用 LangGraph 的作文评分系统
本节将介绍如何使用 LangGraph 构建一个 作文评分系统(Essay Scoring System)。该系统能够自动对学生作文进行评分,并给出反馈意见。我们将结合 LLM(大语言模型) 和 LangGraph 的可视化流程管理能力,实现从作文输入到评分输出的完整流程。
1. 系统概述
作文评分系统主要功能如下:
作文输入:用户(学生)提交作文文本。
文本预处理:对作文进行分词、去除噪音字符、标准化格式。
评分模块:
基于 LLM 的内容理解。
根据评分标准(如结构、语法、内容完整性、创新性)生成分数。
反馈生成:
生成具体的修改建议和评价。
可选择生成详细报告或简要反馈。
输出结果:展示作文分数与反馈内容。
核心技术:LangGraph 用于搭建评分流程图;LLM 用于自然语言理解与评分生成。
2. LangGraph 构建流程
LangGraph 是一个 可视化 Agent 流程设计工具,可以将复杂的多步骤任务通过节点和连线的形式构建。
2.1 节点设计
作文评分系统的节点设计如下:
节点名称 | 节点类型 | 功能描述 |
---|---|---|
用户作文输入 | Input | 接收用户提交的作文文本 |
文本清洗 | Function | 对作文文本进行预处理,如去除特殊符号、统一格式 |
语法检查 | Function | 调用 LLM 分析语法错误和拼写问题 |
内容评分 | Function | 调用 LLM 根据评分标准打分 |
结构评分 | Function | 分析作文结构,如开头、段落、结尾的完整性 |
创新性评分 | Function | 判断作文的创意和思维深度 |
反馈生成 | Function | 综合各项评分生成文字反馈 |
输出结果 | Output | 将评分和反馈展示给用户 |
2.2 节点连接
流程图逻辑:
用户作文输入 → 文本清洗 → 语法检查
↓
内容评分 → 结构评分 → 创新性评分 → 反馈生成 → 输出结果
LangGraph 中,每个节点都可以配置对应的函数或 LLM 调用接口,流程可视化且支持调试。
3. LLM 调用示例
在作文评分中,我们可以使用 LLM 对作文进行内容理解和评分。以下是一个 Python 调用示例(伪代码):
from langgraph import Node, Graph
from llm import LLM
# 初始化 LLM
llm = LLM(model="gpt-5-mini")
# 定义作文评分节点函数
def score_essay(text):
prompt = f"请根据以下评分标准对作文打分,并给出反馈:\n文本内容:{text}\n评分标准:结构30%,语法20%,内容40%,创新性10%"
response = llm.generate(prompt)
return response
# 创建 LangGraph 节点
input_node = Node("作文输入", type="Input")
score_node = Node("评分生成", type="Function", func=score_essay)
output_node = Node("结果输出", type="Output")
# 构建图
graph = Graph()
graph.add_nodes([input_node, score_node, output_node])
graph.connect(input_node, score_node)
graph.connect(score_node, output_node)
# 执行评分流程
result = graph.run("这是学生提交的作文文本")
print(result)
注意:LangGraph 支持直接可视化流程,同时可以在节点上调试函数或 LLM 调用。
4. 评分流程说明
用户输入作文:界面输入或文件上传。
文本清洗:
去除多余空格、换行符。
统一标点符号。
语法检查:
识别拼写错误。
检查基本语法问题。
内容评分:
根据作文主题、论点、论据判断内容完整性。
结构评分:
判断开头是否有引入,段落是否连贯,结尾是否总结。
创新性评分:
判断作文的新颖程度、观点独特性。
生成反馈:
LLM 生成具体修改建议和提升方向。
输出结果:
展示分数与文本反馈,可导出为 PDF 或在线展示。
5. 可视化效果
如果在 LangGraph 中构建,该流程图大致如下:
+------------+ +-----------+ +-------------+
| 用户作文输入 | ---> | 文本清洗 | ---> | 语法检查 |
+------------+ +-----------+ +-------------+
|
v
+-------------+
| 内容评分 |
+-------------+
|
v
+-------------+
| 结构评分 |
+-------------+
|
v
+-------------+
| 创新性评分 |
+-------------+
|
v
+-------------+
| 反馈生成 |
+-------------+
|
v
+-------------+
| 输出结果 |
+-------------+
在 LangGraph 中,节点可以拖拽修改、增删,实时调试评分效果。
6. 拓展功能
多学生批量评分:支持上传多份作文,批量处理。
个性化评分标准:教师可自定义评分权重和标准。
可视化统计:生成班级作文分数分布图。
反馈改进追踪:记录学生作文变化,生成成长报告。
7. 小结
通过 LangGraph + LLM,作文评分系统实现了:
自动化评分与反馈生成。
流程可视化、易于调试和维护。
灵活拓展功能(批量评分、定制化标准、统计分析)。
LangGraph 的节点化设计让教师可以轻松调整评分逻辑,而 LLM 则提供了强大的自然语言理解能力,使作文评分更智能、更高效。