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"})
  • 当 "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() 或 .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
一千柯橘8 小时前
LangChain 的实时输出处理: stream_events 和 Streaming
python·langchain·agent
一枕槐安48713 小时前
多模态RAG实战:PDF图文混合文档检索问答本地跑通
langchain·pdf·milvus·ai应用开发·多模态rag
ctlover13 小时前
langchain 中间件
中间件·langchain·1024程序员节
liudachu16 小时前
Agent 开发常见名词说明与类比
python·langchain
染指111018 小时前
157.Agent-LangGraph-工具(实现ReAct Agent模式)
开发语言·人工智能·python·langchain·agents
Maiko Star2 天前
*【HM-LC】LangChain MCP详解:核心概念、外部服务连接与自定义服务
langchain·mcp
爱编程的小新☆2 天前
LangChain 智能体实战:构建技术学习规划 Agent
langchain·agent·工具调用·结构化输出·deepseek·流式输出
打工仔折腾 AI2 天前
AI Agent 工程化实战(二):5 分钟跑通 Deep Agent 并逐层拆解底层链路
java·数据库·人工智能·后端·python·langchain·ai agent 实战
云和数据.ChenGuang2 天前
Python map() 函数详解:从语法、原理到实战用法
开发语言·人工智能·python·langchain·1024程序员节
LMT流氓兔2 天前
第五单元——第十二课:把脚本整理成项目
java·数据库·python·langchain·1024程序员节