LangGraph之条件边

在 LangGraph 中,条件边(conditional edges) 是用于在图(graph)中根据节点的输出动态决定下一步应执行哪个节点的一种机制。它通过 add_conditional_edges() 方法添加到图中。

例如:

python 复制代码
state_graph.add_conditional_edges(NodeConstant.COORDINATION.value, coor_to_other,
                                      {NodeConstant.PLANNER.value: NodeConstant.PLANNER.value, NodeConstant.END.value: END})

条件函数触发(被调用)场景

前一个节点执行完成并返回结果之后立即被调用。LangGraph 会将该节点的输出作为参数传递给这个条件函数。

例如:

python 复制代码
def decide_next(state):
    if state["score"] > 50:
        return "pass"
    else:
        return "fail"

graph.add_conditional_edge("evaluate", decide_next, {"pass": "accept", "fail": "reject"})
  • "evaluate" 节点运行结束,返回一个状态字典(如 {"score": 70}),
  • LangGraph 就会调用 decide_next(state)
  • 根据其返回值(如 "pass")决定下一步跳转到 "accept" 节点。

中断机制 与 条件边函数 的执行顺序

结论:条件边函数会在中断生效前被调用

详细解释

1. __interrupt__ 的作用时机

在 LangGraph(特别是 v0.2+ 的 StateGraph + Command 模式)中:

  • 当你在 update 字典中包含 "__interrupt__": [...] 时,表示:在本次节点执行完成后、进入下一个节点之前,暂停图的执行
  • 但注意:"完成当前节点" ≠ "直接中断"。LangGraph 仍需知道"如果没中断,下一步该去哪",这样才能在恢复时知道从哪里继续。

因此,LangGraph 的执行流程如下:

text 复制代码
[当前节点执行] 
   → 返回 Command(update={..., "__interrupt__": ...})
   → 应用 state 更新
   → **计算下一跳(包括调用条件边函数)**
   → 发现 __interrupt__ 存在
   → **暂停执行,并记录"计划中的下一个节点"**

✅ 所以,条件边函数是在中断检查之前就被调用的,因为它是"确定下一跳"的必要步骤。


2. 为什么需要先算"下一跳"再中断?

LangGraph 的中断机制设计为 "可恢复的工作流" 。当中断发生后,外部系统(如用户)处理完中断事件(例如提供人工输入),会调用 .stream().invoke() 继续执行。

此时,LangGraph 必须知道:

  • 中断前原本打算去哪个节点?
  • 这个"原本打算去的节点"正是通过条件边(或普通边)计算出来的。

所以,即使要中断,也必须先走完路由逻辑(包括条件边),把"计划中的下一个节点"保存下来。


自此,本文分享到此结束!!!

相关推荐
冬奇Lab10 分钟前
RAG 系列(二):用 LangChain 搭建你的第一个 RAG Pipeline
人工智能·langchain·llm
dllmayday5 小时前
Milvus在LangChain中使用方法
人工智能·ai·langchain·milvus
倦王5 小时前
langchain 尚硅谷day4-5 Tool工具调用部分(function calling)
langchain
小陈的进阶之路7 小时前
LangChain/LangGraph对比
langchain
Flittly7 小时前
【LangGraph新手村系列】(3)PostgreSQL 持久化检查点:让状态跨越进程与重启
人工智能·python·langchain
JAVA面经实录9177 小时前
企业级java+LangChain4j-RAG系统 限流熔断降级
java·开发语言·分布式·langchain
hjxu20168 小时前
【LangGraph入门 3】精细控制之图的运行时配置和map-reduce
langchain·langgraph
hrhcode10 小时前
【LangGraph】二.State 和 Node 的设计细节
python·ai·langchain·langgraph·ai框架
Trouvaille ~10 小时前
零基础入门 LangChain 与 LangGraph(八):真正让 Agent“活起来”——持久化、记忆、人机交互与时间旅行
langchain·人机交互·agent·python3.11·持久化机制·langgraph·ai应用开发
abigale0311 小时前
LangChain:自定义模型・RAG 检索・Agent 原理笔记
langchain·llm·prompt·agent·rag·lcel