AI Agent / 系统课时
用路由节点分派专业智能体
用路由节点分派专业智能体
复杂智能体不必让一个节点处理所有请求。更稳妥的做法是由父图先判断任务类型,再把状态送入对应专业节点,并把所有分支重新汇合到统一出口。这样可以集中控制入口、成功返回和失败兜底,同时避免各专业智能体互相侵入职责边界。
学习目标
- 使用路由节点根据任务类型选择专业智能体
- 用条件边控制分支,并让父图统一汇合结果
- 为未知任务和专业节点异常设计明确的兜底路径
路由节点只负责决定去向
路由节点的核心职责不是“完成任务”,而是把当前状态映射成下一跳。父图维护公共状态,例如原始请求、任务类型和最终答案;专业节点只读取自己需要的字段并写回结果。
如果把分类、业务处理和错误恢复都塞进同一个路由函数,路由会迅速变成新的单体节点。更清晰的边界是:路由函数返回有限集合中的目标名称,专业节点完成业务,父图负责统一结束。

用条件边实现显式分派
下面的示例不依赖外部模型,直接根据 task_type 路由,因此可以单独运行。实际项目可以把 route 中的规则替换为分类模型,但返回值仍应限制在父图声明的目标集合内。
from typing import Literal, TypedDict
from langgraph.graph import END, START, StateGraph
class AgentState(TypedDict, total=False):
query: str
task_type: str
answer: str
def router(state: AgentState) -> AgentState:
# 路由节点只校验公共输入,不执行专业任务。
return state
def route(state: AgentState) -> Literal["research", "billing", "support", "fallback"]:
task_type = state.get("task_type", "")
if task_type in {"research", "billing", "support"}:
return task_type
return "fallback"
def research_agent(state: AgentState) -> AgentState:
return {"answer": f"research handled: {state['query']}"}
def billing_agent(state: AgentState) -> AgentState:
return {"answer": f"billing handled: {state['query']}"}
def support_agent(state: AgentState) -> AgentState:
return {"answer": f"support handled: {state['query']}"}
def fallback(state: AgentState) -> AgentState:
return {"answer": "unsupported task type"}
def finalize(state: AgentState) -> AgentState:
return {"answer": f"final: {state['answer']}"}
builder = StateGraph(AgentState)
builder.add_node("router", router)
builder.add_node("research", research_agent)
builder.add_node("billing", billing_agent)
builder.add_node("support", support_agent)
builder.add_node("fallback", fallback)
builder.add_node("finalize", finalize)
builder.add_edge(START, "router")
builder.add_conditional_edges("router", route)
for node in ("research", "billing", "support", "fallback"):
builder.add_edge(node, "finalize")
builder.add_edge("finalize", END)
graph = builder.compile()
result = graph.invoke({"query": "invoice INV-100 is duplicated", "task_type": "billing"})
print(result["answer"])预期输出
final: billing handled: invoice INV-100 is duplicated这里的关键不是分类规则本身,而是路由返回值与图中的分支名称形成明确契约。新增专业智能体时,需要同时新增节点、允许的路由返回值以及对应边,避免出现“路由给出一个名字,但图中没有目标节点”的结构性错误。
把失败兜底留在父图
未知任务应进入 fallback,而不是随意落到某个专业智能体。这样父图可以给出稳定的拒答、重新分类或人工升级策略,专业节点不必各自复制一套错误处理。
如果专业节点本身可能抛出异常,生产代码还应在节点边界把异常转换成受控状态,例如写入 error_code 和 error_message,再由父图决定是否重试、改走兜底或结束。不要让专业节点直接决定整个工作流的退出方式,否则父图就失去了编排权。
什么时候采用路由节点
路由节点适合任务类型可以较稳定划分、不同专业智能体使用不同提示词或工具集、并且父图需要统一治理入口与退出的场景。若多个分支共享大量逻辑,先抽取公共节点再分派,通常比复制相同处理流程更容易维护。
判断这类设计是否合理,可以看一个简单信号:父图应该能在不理解专业节点内部实现的情况下,仍然说清“请求从哪里进入、为什么进入某个分支、失败去哪里、最终从哪里退出”。做到这一点,专业智能体才真正被父图编排,而不是松散拼接。