LangGraph Edge（边）完整讲解

1. 基础定义

在 LangGraph 中：

Node（节点）：独立计算单元，负责业务逻辑（检索、LLM 生成、工具调用等）
Edge（边） ：节点之间的连接关系，用来定义图的执行流向，规定执行完 A 节点后，下一步走哪个节点

简单类比： Node = 车间工位，Edge = 工位之间的传送轨道，轨道决定数据流转顺序。

2. 两大类 Edge

① 普通固定边（Normal Edge）

固定单向流转，执行完当前节点固定进入下一个指定节点，无判断分支。语法示例：

python

运行

复制代码

# 检索节点执行完，固定走组装上下文节点
graph.add_edge("retrieve_node", "augment_node")

流程：retrieve_node → augment_node，路径唯一、不可变更。

② 条件边（Conditional Edge）

执行完节点后，根据 State 状态做判断，动态选择下一跳节点，用来实现分支、循环、路由。

需要单独写一个路由函数（返回节点名字符串）；
使用 add_conditional_edges 绑定。

示例：工具调用分支逻辑

python

运行

复制代码

def route_after_llm(state):
    # 判断是否需要调用工具
    if state["need_tool_call"]:
        return "tool_node"
    else:
        return "generate_answer_node"

# 绑定条件路由
graph.add_conditional_edges(
    source="llm_judge_node",
    path=route_after_llm,
    path_map={"tool_node": "tool_node", "generate_answer_node": "generate_answer_node"}
)

执行完 llm_judge_node 后，根据状态动态分流两条路径。

3. Edge 工作机制

节点执行完毕，输出状态更新，写入全局 State；
框架查找当前节点绑定的所有边；
- 普通边：直接跳转目标节点；
- 条件边：执行路由函数读取 State，匹配目标节点；
切换到下一个节点，重复「读 State→计算→更新 State」流程。

4. Edge 实现复杂流程能力

依靠边的组合，可以实现 LCEL 普通链条做不到的复杂逻辑：

分支：条件边做多路选择（是否调用工具、是否需要二次检索）
循环：条件边指回上游节点（Agent 多轮工具调用循环）
汇聚：多条不同节点的边指向同一个下游节点
子图：子图内部自有节点与边，子图整体又作为一个大节点，通过外层边接入主图

5. 和线性 Chain 的核心区别

LCEL Chain：硬编码串行顺序，流转固定，没有 "边" 的抽象；
LangGraph：节点与流向完全解耦，所有流转规则统一由 Edge 管理，可灵活修改、新增分支 / 循环，不用改动节点内部计算逻辑。

6. 完整极简示例（节点 + 边组合）

python

运行

复制代码

# 1. 定义节点函数省略...
# 2. 添加节点
graph.add_node("retrieve", retrieve_node)
graph.add_node("augment", augment_node)
graph.add_node("generate", generate_node)

# 3. 通过Edge连接节点，定义流程
graph.add_edge("retrieve", "augment")  # 检索→拼接上下文
graph.add_edge("augment", "generate") # 拼接→生成答案

# 设置入口节点
graph.set_entry_point("retrieve")

整条流水线的顺序完全由两条 Edge 定义。