上篇文章中介绍的图是"一条直线走到底"，但真实业务往往需要分支、循环和并行。这一篇涵盖了 LangGraph 怎么实现这三种控制流。
一、条件边：让图学会"分岔"
固定边只能走一条路，但很多场景需要根据数据决定下一步：
-
用户意图是"退款"还是"咨询"？走不同分支
-
工具调用成功还是失败？走不同处理
-
内容审核通过还是拒绝？走不同出口
2. 基本用法
条件边由三部分组成：源节点 + 路由函数 + 映射表。
from langgraph.graph import StateGraph, START, END
def router(state) -> str:
"""路由函数：读取 state，返回一个字符串"""
if state["score"] >= 60:
return "pass"
else:
return "fail"
builder.add_conditional_edges(
"check_node", # 从哪个节点出发
router, # 用哪个函数决定去向
{
"pass": "pass_node", # 返回值 → 真实节点
"fail": "fail_node"
}
)3. 执行流程
4. 简化写法
如果路由函数直接返回真实节点名，映射表可以省略：
def router(state):
return "pass_node" if state["score"] >= 60 else "fail_node"
builder.add_conditional_edges("check_node", router)5. 路由函数可以返回列表（并行分发）
如果返回的是节点名列表 ，LangGraph 会并行执行这些节点：
def router(state):
return ["branch_a", "branch_b"] # 两个分支并行执行6. 路由函数可以返回 END
def router(state):
if state["done"]:
return END # 直接结束
return "continue_node"二、循环：让图"转起来"
LangGraph 的图是允许循环的，这是它比普通工作流引擎强大的地方。
1. 最简单的循环：节点连回自己
builder.add_node("agent", agent_node)
builder.add_edge("agent", "agent") # 自己连自己但这样会无限循环，必须配合条件边来终止。
2. 用条件边实现循环
最经典的 Agent 循环模式：
def should_continue(state) -> str:
"""判断是否继续循环"""
messages = state["messages"]
last_message = messages[-1]
# 如果还有工具调用，继续
if last_message.tool_calls:
return "continue"
# 否则结束
return "end"
builder.add_node("agent", agent_node)
builder.add_node("tools", tool_node)
builder.add_edge(START, "agent")
builder.add_conditional_edges(
"agent",
should_continue,
{
"continue": "tools", # 有工具调用 → 去执行工具
"end": END # 没有 → 结束
}
)
builder.add_edge("tools", "agent") # 工具执行完 → 回到 agent3. 循环流程图
这个循环就是 ReAct 模式的核心：Agent 思考 → 调用工具 → 观察结果 → 继续思考，直到不再需要工具。
4. 防止死循环
LangGraph 提供了 recursion_limit 参数来限制最大迭代次数：
graph.invoke(
{"messages": []},
config={"recursion_limit": 25} # 最多执行 25 步
)超过限制会抛出 GraphRecursionError。
三、并行：让图"分头行动"
1. 静态并行（多个边指向多个节点）
最直接的方式：从一个节点出发，连多条边到不同节点。
builder.add_edge("start_node", "branch_a")
builder.add_edge("start_node", "branch_b")
builder.add_edge("start_node", "branch_c")
三个分支会并行执行 ，都完成后才进入 merge_node。
2. 用 Send 实现动态并行（Map-Reduce）
静态并行需要提前知道有几个分支。如果分支数量是动态的 ，就要用 Send。
from langgraph.types import Send
def dispatch(state):
"""根据状态动态生成子任务"""
return [
Send("process_item", {"item": item})
for item in state["items"]
]
builder.add_conditional_edges("split_node", dispatch, ["process_item"])执行流程：
3. Send 与普通边的区别
| 特性 | 普通边 | Send |
|---|---|---|
| 分支数量 | 固定 | 动态 |
| 子任务状态 | 共享全局 State | 每个子任务独立 State |
| 典型场景 | 固定多分支 | Map-Reduce |
4. 并行分支的结果合并
多个分支同时更新 State 时，必须用 reducer 避免冲突：
class MyState(TypedDict):
results: Annotated[list, add] # 多个分支的返回会追加到同一个列表如果不用 add，后执行的分支会覆盖先执行的结果。
四、三种控制流的组合
真实业务往往是三者组合使用：
-
条件边：意图识别分流
-
并行：多个子任务同时处理
-
循环：结果不满意时回到起点重试
注意
| 坑点 | 说明 | 解决 |
|---|---|---|
| 死循环 | 循环没有终止条件 | 设置 recursion_limit |
| 并行覆盖 | 多个分支同时写同一个字段 | 用 Annotated + reducer |
| 条件边不生效 | 路由函数返回值与映射表不匹配 | 检查返回值是否在映射表中 |
| Send 子任务丢失上下文 | Send 只传 state，不继承 runtime | 在 state 中显式复制所需字段 |