AI Agent / 系统课时
用条件边实现动态路由
用条件边实现动态路由
当同一张 LangGraph 需要根据模型判定、业务字段或校验结果进入不同节点时,条件边负责把“做什么”与“下一步去哪”拆开。本节用一个评分审核图实现双分支路由,并说明路由函数应保持的边界。
学习目标
- 能用
add_conditional_edges把状态映射到不同后续节点 - 能区分业务节点与路由函数各自负责的逻辑
- 能识别条件边与静态边混用时的控制流风险
把判断从业务节点中抽出来
条件边连接在某个源节点之后。源节点先完成状态更新,随后路由函数读取最新状态并返回下一跳;返回值默认可以直接作为节点名,也可以再通过映射表转换成真正的节点名。([Docs by LangChain][1])
这种设计适合“决策规则可以独立表达”的流程。例如模型节点先把分类结果写入状态,路由函数只读取 category;校验节点写入 is_valid,路由函数再选择“继续”或“修复”。这样业务处理和控制流规则可以分别测试。

跑通一个双分支审核图
下面示例把 score 放进共享状态。evaluate 不负责决定后续节点,真正的分支规则集中在 route_by_score 中,因此修改阈值时不需要改图中的业务节点。
from typing import Literal, TypedDict
from langgraph.graph import END, START, StateGraph
class ReviewState(TypedDict, total=False):
score: int
result: str
def evaluate(state: ReviewState) -> dict:
# 业务节点只负责产生或整理状态,路由判断留在独立函数中。
return {}
def route_by_score(state: ReviewState) -> Literal['approve', 'revise']:
return 'approve' if state['score'] >= 80 else 'revise'
def approve(state: ReviewState) -> dict:
return {'result': 'approved'}
def revise(state: ReviewState) -> dict:
return {'result': 'needs_revision'}
builder = StateGraph(ReviewState)
builder.add_node('evaluate', evaluate)
builder.add_node('approve', approve)
builder.add_node('revise', revise)
builder.add_edge(START, 'evaluate')
# 返回值与节点名一致时,可以直接作为下一跳。
builder.add_conditional_edges('evaluate', route_by_score)
builder.add_edge('approve', END)
builder.add_edge('revise', END)
graph = builder.compile()
print(graph.invoke({'score': 86})['result'])
print(graph.invoke({'score': 62})['result'])预期输出:
approved
needs_revision第一次调用经过 approve,第二次调用经过 revise。实际项目里可以把 score 换成模型结构化输出、规则引擎结果或校验标记,只要路由函数能从当前状态稳定计算出下一跳即可。
让路由函数只做路由
路由函数最重要的约束是职责单一:读取状态、做轻量判断、返回目标。不要在里面执行数据库写入、发送消息或修改外部资源,否则重试和恢复时很难判断副作用是否已经发生。需要产生状态变更的逻辑应留在节点中。
如果希望路由函数返回 True、False 或业务枚举,而节点名保持独立,可以给 add_conditional_edges 提供映射表。这样“业务判定值”和“图节点名称”不会被绑死,后续重命名节点也更安全。
避免同时配置多种出边
同一个源节点如果同时存在普通静态边和条件路由,多个目标可能在后续 superstep 中同时执行;官方文档因此建议每个节点选择一种路由机制,不要从同一节点混用静态边与动态路由。([Docs by LangChain][1])
当下一步只由当前状态决定,而且决策本身不需要顺便更新状态时,条件边通常最清楚:节点负责数据,路由函数负责方向,图结构也能直接暴露所有可能分支。