Glossario

LangGraph

Che cos’è LangGraph?

LangGraph è un framework open source dell'ecosistema LangChain che permette di modellare agenti IA e processi in più fasi come un grafo di nodi e archi. Uno stato condiviso passa da un passaggio all'altro; sono previsti cicli, diramazioni, salvataggio degli stati intermedi e interruzioni per l'approvazione umana. La versione 1.0 è uscita a ottobre 2025. Un esempio è un agente che fa ricerche, scrive una bozza e attende l'approvazione prima dell'invio.

Come aiuta KI.ordo

I flussi di KI.ordo applicano un'idea simile (passaggi, diramazioni e sotto-flussi) senza programmazione.

Scopri di più →

Temi

Framework
Agenti
Flussi di lavoro

Prova KI.ordo

Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.

Avvia demo

← Tutti i termini

Termini correlati

LangChain

LangChain è un framework open source per Python e JavaScript con cui gli sviluppatori creano applicazioni basate su modelli linguistici. Offre interfacce uniformi verso molti fornitori di modelli e componenti per chiamate a strumenti, agenti, elaborazione di documenti e retrieval-augmented generation. Dalla versione 1.0 (ottobre 2025) gli agenti di LangChain si basano su LangGraph. Usi tipici sono chatbot che cercano nei documenti interni o agenti che interrogano servizi esterni.

Framework
Sviluppo
+1

Agenti intelligenti

Un agente intelligente è un sistema che percepisce l'ambiente, elabora informazioni e sceglie autonomamente le azioni per raggiungere un obiettivo. Oggi il termine indica per lo più software basato su grandi modelli linguistici che segue istruzioni, usa conoscenze e richiama strumenti, come una ricerca o un'API. Quanto un agente possa fare da solo va stabilito consapevolmente. Esempio: un agente risponde alle domande dei clienti basandosi sulla documentazione del prodotto.

Agenti
Autonomia
+1

Crew AI

CrewAI è un framework open source in Python che permette di riunire più agenti di IA in una squadra («crew»). Ogni agente riceve un ruolo, un obiettivo e strumenti adatti; i compiti vengono distribuiti e i risultati passati da un agente all'altro. Inoltre i «flows» consentono flussi di lavoro guidati e basati su eventi. Esempio: un agente di ricerca raccoglie informazioni e un agente di scrittura ne ricava un rapporto.

multi-agente
framework
+1

Human-in-the-loop (essere umano nel ciclo)

Human-in-the-loop indica processi in cui le persone intervengono in punti definiti di un flusso di IA: verificano i risultati, li approvano, li correggono o gestiscono i casi difficili. Il principio riduce il rischio di output errati e mantiene la responsabilità in capo alle persone, soprattutto nelle decisioni che riguardano individui, denaro o questioni legali. Esempio: un agente IA prepara le risposte ai clienti e un collaboratore le controlla prima dell'invio.

Approvazione
Controllo
+1