4.1. 顺序结构
4.1.1. add_edge
add_edge 用于在两个节点之间添加一条有向边。边是图结构中最基本的元素之一，节点之间的执行顺序、分支跳转以及循环控制，最终都依赖节点和边共同表达。
因此，在 LangGraph 中，基础的控制流结构都可以通过 add_edge 进行构建。
示例如下：
from langgraph.graph import StateGraph, START, END
from typing import TypedDict, NotRequired
class OverAllState(TypedDict):
username: NotRequired[str]
greeting: NotRequired[str]
output: NotRequired[str]
def node_a(state: OverAllState) -> OverAllState:
return {
"greeting": "Dear " + state["username"]
}
def node_b(state: OverAllState) -> OverAllState:
return {
"output": state["greeting"] + "，你好！"
}
builder = StateGraph(state_schema=OverAllState)
builder.add_node("node_a", node_a)
builder.add_node("node_b", node_b)
builder.add_edge(START, "node_a")
builder.add_edge("node_a", "node_b")
builder.add_edge("node_b", END)
graph = builder.compile()
res = graph.invoke({"username": "小黄"})
print(res)
from IPython.display import display
display(graph)输出如下：
{'username': '小黄', 'greeting': 'Dear 小黄', 'output': 'Dear 小黄，你好！'}
在上述示例中，图的执行流程如下：
START -> node_a -> node_b -> END其中：
START -> node_a表示图从node_a开始执行；node_a -> node_b表示node_a执行完成后，继续执行node_b；node_b -> END表示node_b执行完成后，图进入结束状态。
4.1.2. add_sequence
如果需要构建一组按顺序执行的节点，也可以使用 add_sequence。
add_sequence 支持传入一个可执行对象列表。LangGraph 会按照列表顺序依次添加节点，并在相邻节点之间自动添加边。默认情况下，函数名会被用作节点名称。
示例如下：
from langgraph.graph import StateGraph, START, END
from typing import TypedDict, NotRequired
class OverAllState(TypedDict):
username: NotRequired[str]
greeting: NotRequired[str]
output: NotRequired[str]
def node_a(state: OverAllState) -> OverAllState:
return {
"greeting": "Dear " + state["username"]
}
def node_b(state: OverAllState) -> OverAllState:
return {
"output": state["greeting"] + "，你好！"
}
builder = StateGraph(state_schema=OverAllState)
builder.add_edge(START, "node_a")
builder.add_sequence([node_a, node_b])
builder.add_edge("node_b", END)
graph = builder.compile()
res = graph.invoke({"username": "小黄"})
print(res)
from IPython.display import display
display(graph)输出如下
{'username': '小黄', 'greeting': 'Dear 小黄', 'output': 'Dear 小黄，你好！'}
上述代码中：
builder.add_sequence([node_a, node_b])大致等价于：
builder.add_node("node_a", node_a)
builder.add_node("node_b", node_b)
builder.add_edge("node_a", "node_b")因此，完整执行流程仍然是：
START -> node_a -> node_b -> END相比手动调用多次 add_node 和 add_edge ，add_sequence 更适合用于构建简单的线性执行流程。
4.1.3. 省略指向 END 的边
在 LangGraph 中，图的终止并不完全依赖某个真实执行的特殊节点。
从运行机制上看，LangGraph 会在每个 SuperStep 开始时，根据当前发生更新的 Channel 以及节点之间的触发关系，计算本轮需要执行的任务列表。如果没有新的节点被激活，也就没有新的任务需要执行，图运行自然结束。
需要注意的是，END 并不是运行阶段真正执行的节点 。也就是说，指向 END 的边不会像指向普通节点的边那样，触发一个真实的节点任务。它更多用于表达图结构中的"终止语义"：当前路径执行到这里即可结束。
因此，在一些简单的线性流程中，即使省略指向 END 的边，最后一个节点执行完成后，如果没有后续节点被触发，图也可以正常结束。
示例如下：
from langgraph.graph import StateGraph, START
from typing import TypedDict
class OverAllState(TypedDict):
username: str
greeting: str
output: str
def node_a(state: OverAllState) -> OverAllState:
return {
"greeting": "Dear " + state["username"]
}
def node_b(state: OverAllState) -> OverAllState:
return {
"output": state["greeting"] + "，你好！"
}
builder = StateGraph(state_schema=OverAllState)
builder.add_node("node_a", node_a)
builder.add_node("node_b", node_b)
builder.add_edge(START, "node_a")
builder.add_edge("node_a", "node_b")
graph = builder.compile()
res = graph.invoke({"username": "小黄"})
print(res)
from IPython.display import display
display(graph)输出如下
{
"username": "小黄",
"greeting": "Dear 小黄",
"output": "Dear 小黄，你好！"
}
在这个例子中，虽然没有显式添加：
builder.add_edge("node_b", END)但是 node_b 执行完成后，没有新的节点被触发，图运行会自然结束。
不过，可以省略指向 END 的边，并不表示 END 没有意义。
显式添加 END 边可以让图结构更加完整，也能更清晰地表达"流程到此结束"的语义。尤其是在分支、条件跳转、循环退出等场景中，显式指向 END 通常更利于阅读和维护。
和 END 不同，START 通常不能省略 。因为 START 不只是一个语义上的起点标记，它还用于告诉 LangGraph：图运行时应当从哪些节点开始执行。也就是说，下面这条边是启动图执行的关键：
builder.add_edge(START, "node_a")如果没有从 START 出发的边，或者没有通过其他方式指定入口节点，LangGraph 就无法确定图的初始执行节点。
因此，在实际开发中，建议保留指向 END 的边。虽然在某些简单流程中省略这些边也能正常运行，但显式添加它们，可以让图结构更加完整、语义更加清晰，便于后续维护。