ඔබ නවතම LangGraph‑අධාරිත සහය බොට් එකක් පළාත් කරලා, මුලින් කිහිප පැයක් හොඳින් ක්රියා කළා. ඒත් හදිසි ලෙස ඒක එකම කතාබස් තේමාවට අසීමිතව ලූප් වෙලා, පාරිභෝගිකයන්ගේ ගැටළු වාර්තා වැඩිවෙලා. මෙවැනි අවස්ථාවක, කෝඩ් පරීක්ෂා කරලා, විවිධ සංවාද දෘශ්යයන්ත් පරීක්ෂා කරලා, තවත් කිසිවක් හමුවෙන්නේ නැතිනම්, කොහේද ආරම්භ කරන්නේ?
LangGraph හි StateGraph කියන ආකෘතියේ මූලික අදහස තේරුම් ගත යුතුයි. එය දිශානතියක් ඇති ග්රාෆ් එකක්, එක් එක් නෝඩ් එකක් තත්ත්වයක් (state) නියෝජනය කරනවා, එහි සම්බන්ධතා (edges) තත්ත්ව අතර මාරු මාර්ගවලට නියෝජනය වෙනවා. බොට් එක අසීමිත ලූප් වෙන්නේ, ඒක එකම නෝඩ් හෝ සමහර නෝඩ් අතර වටාම යන වටය (cycle) එකකට ඇතුළත් වීම නිසා.
ලූප් හඳුනා ගැනීමට ප්රථම පියවර වන්නේ StateGraph එකේ රූපයක් ගෙන, එහි වටය (cycle) කොහේද කියලා බලන්න. ඒ සඳහා add_checkpoint ක්රමය භාවිතා කරලා, එක් එක් මාරු වෙලාවේ තත්ත්වය ලොග් කරගත හැක. උදාහරණයක් ලෙස:
```python import langgraph as lg graph = lg.StateGraph() graph.add_node("start") graph.add_node("ask_name") graph.add_node("ask_email") graph.add_conditional_edges("start", "ask_name", lambda x: True) graph.add_conditional_edges("ask_name", "ask_email", lambda x: True) graph.add_conditional_edges("ask_email", "start", lambda x: True) # මෙන්න ලූප් එක def checkpoint(state): print(f"Transitioned to state: {state}") graph.add_checkpoint(checkpoint) agent = lg.Agent(graph) agent.run() ```
මෙම checkpoint ක්රියාවලිය මඟින් පද්ධතිය මාරු වන තත්ත්වය පෙන්වයි. ලොග් පෙන්වන්නේ කුමන නෝඩ් එකට යනවාද, එවිට ඔබට ලූප් එක කුමන නෝඩ් අතර සිදුවෙන්නේද කියලා දැනගත හැක.
ලූප් හඳුනා ගත් පසු, එය ඇතුළත් වීමට හේතු පරීක්ෂා කරන්න. ඔබගේ edge‑වල conditional logic නිවැරදිද? අහඹු self‑loop එකක් නිර්මාණය කරලාද? MCP (Model Context Protocol) වැනි බාහිර මෙවලම් වැරදි සකස් කරලා ලූප් එකට දායක වෙලාද? ඉතා සාර්ථකව, add_conditional_edges ක්රමය සෑම විටම true වන්නේ නම්, අනිසි self‑loop එකක් ඇති වීමට ඉඩ ඇත. ඒ නිසා, conditional පරීක්ෂා කර, edge‑වල නිවැරදිත්වය තහවුරු කරගැනීම අත්යවශ්යයි.
ශ්රී ලංකාවට ඇති වැදගත්කම
LangGraph වැනි AI‑ආධාරිත බොට් තාක්ෂණය ශ්රී ලංකාවේ ඩිවෙලපර්, ව්යාපාරිකයින්, සිසුන්ට විශාල අවස්ථා සපයයි.
- සිසුන් – AI සහ agentic programming පිළිබඳ ප්රායෝගික අත්දැකීම් ලබා, ලෝක තරඟකාරී වෙළඳපොළට සූදානම් වේ.
- ඩිවෙලපර් – LangGraph මඟින් සංකීර්ණ සංවාද flow නිර්මාණය පහසු කර, කාලය ඉතිරි කර, නව නිෂ්පාදන ඉක්මනින් ආරම්භ කළ හැක.
- ව්යාපාරිකයින් – ගනුදෙනුකරුවන්ට 24/7 සහය ලබා දීම, ගැටළු ඉක්මනින් විසඳීම, පාරිභෝගික සතුට වැඩි කිරීමෙන් ව්යාපාර ආදායම ඉහළ යාමට උපකාරී වේ.
ඒත්, මේ වගේ උසස් තාක්ෂණය භාවිතා කරන විට, ලූප් වැනි ගැටළු ඉක්මනින් හඳුනාගෙන, නිරාකරණය කිරීම අත්යවශ්ය. මෙය දැන ගැනීම, ලංකාවේ AI‑අපනයන ඉලක්කයන් සපුරා ගැනීමට මූලික පියවරක්.
අවසන් වශයෙන්, LangGraph බොට් එකේ ලූප් ගැටළුව නිරාකරණය කිරීමේ මූලික ක්රමවේදයන් පිළිබඳ අදහස් ඉදිරිපත් කරා. ඉදිරියේදී Model Context Protocol (MCP) සමඟ ඒකාබද්ධ කිරීම, වැඩි දියුණු AI‑agent නිර්මාණය සඳහා නව මඟ පෙන්වයි.
