AI Agent / 系统课时
设计批准拒绝与修改分支
设计批准拒绝与修改分支
人工审批不能只返回一个模糊的布尔值:真实业务通常还要表达拒绝原因或修改后的内容。本篇把人工结果统一为 approve、reject、edit 三类动作,并用 Command(update=..., goto=...) 同时更新状态和选择后续节点。
学习目标
- 设计可校验的三类人工返回值,并明确每类需要的数据。
- 用
Command把批准、拒绝和修改映射到不同业务节点。 - 区分“人工决策”与“真正执行副作用”的职责边界。
先固定人工返回协议
建议让前端或审批服务统一提交对象,而不是自由文本。最小协议可以约定:批准只需 action=approve;拒绝可附带 reason;修改必须携带新的 content。这样图节点只处理有限枚举,不需要从自然语言中猜测审批意图。

对于修改分支,新的内容应先写入图状态,再进入校验、重生成或再次审批节点。不要把“修改”解释成“默认批准”,否则会绕过本来需要的业务检查。
用 Command 映射三类分支
下面的完整示例让审批节点只负责接收人工结果和路由;真正的发布、取消、修订动作分别放到独立节点。三次运行使用不同线程,分别验证三个分支。
from typing import Literal
from typing_extensions import TypedDict
from langgraph.checkpoint.memory import InMemorySaver
from langgraph.graph import END, START, StateGraph
from langgraph.types import Command, interrupt
class ReviewState(TypedDict):
draft: str
decision: str
result: str
def review(
state: ReviewState,
) -> Command[Literal["publish", "cancel", "revise"]]:
response = interrupt(
{
"question": "请选择 approve、reject 或 edit",
"draft": state["draft"],
}
)
action = response.get("action")
if action == "approve":
return Command(update={"decision": "approve"}, goto="publish")
if action == "reject":
return Command(update={"decision": "reject"}, goto="cancel")
if action == "edit":
content = response.get("content", "").strip()
if not content:
raise ValueError("edit 必须提供非空 content")
return Command(
update={"decision": "edit", "draft": content},
goto="revise",
)
raise ValueError(f"不支持的 action: {action!r}")
def publish(state: ReviewState):
return {"result": "published"}
def cancel(state: ReviewState):
return {"result": "cancelled"}
def revise(state: ReviewState):
return {"result": "revised"}
builder = StateGraph(ReviewState)
builder.add_node("review", review)
builder.add_node("publish", publish)
builder.add_node("cancel", cancel)
builder.add_node("revise", revise)
builder.add_edge(START, "review")
builder.add_edge("publish", END)
builder.add_edge("cancel", END)
builder.add_edge("revise", END)
graph = builder.compile(checkpointer=InMemorySaver())
def run_case(thread_id: str, response: dict):
config = {"configurable": {"thread_id": thread_id}}
graph.invoke(
{"draft": "发布公告 v1", "decision": "", "result": ""},
config=config,
)
final = graph.invoke(Command(resume=response), config=config)
print(
f"{thread_id}: {final['decision']} -> "
f"{final['result']} -> {final['draft']}"
)
run_case("case-approve", {"action": "approve"})
run_case("case-reject", {"action": "reject", "reason": "信息不完整"})
run_case(
"case-edit",
{"action": "edit", "content": "发布公告 v2:修正版"},
)预期输出
case-approve: approve -> published -> 发布公告 v1
case-reject: reject -> cancelled -> 发布公告 v1
case-edit: edit -> revised -> 发布公告 v2:修正版Command(update=..., goto=...) 在这里完成两件彼此相关的事:先把标准化决策写入状态,再把控制流交给目标节点。后续节点因此不必重新解析人工输入,只读取已经整理好的状态。
把副作用留在分支节点
批准节点适合真正执行发布、付款或外部 API 调用;拒绝节点适合记录原因、关闭工单或通知发起人;修改节点通常先保存修订内容,再进入校验或第二轮审批。把这些动作直接塞进 review 节点,会让恢复重跑时更难保证幂等。
处理非法与不完整输入
三分支协议必须在进入业务动作前校验。action 不在枚举内应立即拒绝;edit 缺少新内容不能继续;拒绝原因是否必填则由业务规则决定。生产系统更适合把这些约束放进 Pydantic 模型或 API Schema,让错误尽量在图运行前暴露。
当修改后仍需人工确认时,可以让 revise 更新草稿后再回到 review,形成“修改→再审”的显式循环。这样批准、拒绝、修改始终是可追踪的状态转换,而不是散落在提示词或自由文本里的隐式判断。