LangGraph

LangGraph est une bibliothèque open source visant à faciliter la création, l’orchestration et l’exécution de graphes de traitement pour des workflows NLP (Natural Language Processing) et IA. Elle met à disposition des outils pour composer des pipelines modulaires, réutilisables et extensibles, tout en gardant une grande flexibilité et simplicité d’utilisation.

Fonctionnalités principales

• Construction de graphes : Assemblez facilement différentes étapes de traitement en graphes dirigés ou acycliques.
• Nœuds modulaires : Créez des nœuds réutilisables pour chaque tâche (prétraitement, analyse, génération, post-traitement, etc.).
• Exécution flexible : Exécutez vos graphes de façon séquentielle, parallèle ou conditionnelle.
• Intégration IA/NLP : Compatible avec les principaux frameworks de NLP et IA (Transformers, spaCy, NLTK, etc.).
• Extensible : Ajoutez vos propres modules, opérateurs ou stratégies d’exécution.

Installation

git clone https://github.com/FrancKINANI/LangGraph.git
cd LangGraph
pip install -e .

Ou via PyPI (si disponible) :

pip install langgraph

Exemple d’utilisation

Voici un exemple simple de pipeline de classification de texte :

from langgraph import Graph, Node

def nettoyer(texte):
    return texte.lower()

def classifier(texte):
    # Dummy classifier
    return "positif" if "bien" in texte else "négatif"

# Création des nœuds
noeud_nettoyage = Node(func=nettoyer)
noeud_classification = Node(func=classifier)

# Construction du graphe
graphe = Graph()
graphe.add_node("nettoyage", noeud_nettoyage)
graphe.add_node("classification", noeud_classification)
graphe.add_edge("nettoyage", "classification")

# Exécution
resultat = graphe.run("Ceci est BIEN !")
print(resultat)  # Affiche: positif

Documentation

• Guide de démarrage
• API Reference
• Exemples avancés

Contribution

Les contributions sont les bienvenues ! Merci de lire le guide de contribution avant de soumettre une pull request.

1. Forkez le repo
2. Créez une branche (git checkout -b feature/ma-nouvelle-fonction)
3. Commitez vos changements (git commit -am 'Ajoute une nouvelle fonction')
4. Poussez la branche (git push origin feature/ma-nouvelle-fonction)
5. Ouvrez une Pull Request

Licence

Ce projet est sous licence MIT – voir le fichier LICENSE pour plus d’informations.

---

© 2025 FrancKINANI