用 LangGraph 条件路由和循环实现 Agent 动态决策

线性工作流适合步骤明确的业务，但当同一个 Agent 需要处理不同类型的请求，或在执行失败后自动修正并重试时，固定的 A 到 B 路径就不够用了。LangGraph 通过条件路由读取当前 State 来选择节点，再借助循环把检查、重试与结束条件组织进图中，从而让执行流程具备动态决策能力。

前两篇我们解决了：

• Graph 是什么
• State 如何流转
• Node 如何更新 State

但是目前的流程：

START

↓

Node A

↓

Node B

↓

END

还是固定路线。

而真实 Agent 最大的特点：

下一步往往不是提前确定的，而是根据当前结果动态决定。

这就是 Conditional Edge 和 Loop。

---

1. 普通 Edge：固定流程

先回顾：

.addEdge("A", "B")

表示：

A
|
↓
B

无论发生什么：

永远走 B。

例如：

用户登录

↓

查询用户信息

↓

返回结果

这种流程非常适合固定业务。

但是 Agent 不一样。

---

2. Agent 为什么需要条件路由？

例如：

用户输入：

帮我计算 1+2

和：

介绍一下 LangGraph

处理方式完全不同。

如果只有一个 Agent：

用户问题

↓

LLM自己判断

↓

选择工具

所有能力都塞在一个大脑里。

另一种方式：

拆成不同节点：

              query

                ↓

             router

          /          

         /            

 mathNode          chatNode

router 负责：

判断应该去哪。

---

3. Conditional Edge 是什么？

代码：

.addConditionalEdges(
  "router",
  state => state.route,
  {
    math:"mathNode",
    chat:"chatNode"
  }
)

拆开理解。

---

第一个参数

"router"

表示：

从哪个节点开始判断。

也就是：

router
  |
  ↓
?

---

第二个参数

state => state.route

这是：

路由函数。

它读取当前 State。

例如：

当前：

{
 query:"1+2",
 route:"math"
}

执行：

state=>state.route

返回：

math

---

第三个参数

{
 math:"mathNode",
 chat:"chatNode"
}

这是映射关系。

意思：

返回 math

↓

进入 mathNode


返回 chat

↓

进入 chatNode

完整流程：

router

↓

(state)=>state.route

↓

"math"

↓

mathNode

---

4. 为什么需要映射表？

你之前问过：

为什么不直接返回节点名？

其实可以。

例如：

const router=(state)=>{

 return {
   route:"mathNode"
 }

}

然后：

(state)=>state.route

直接返回：

mathNode

也可以。

但是很多项目会分开：

业务状态：

math
chat

图节点：

mathNode
chatNode

原因：

解耦。

比如以后改名字：

mathNode

↓

calculatorAgentNode

业务逻辑不用改。

---

5. 循环：Agent 为什么不是一次执行？

真实 Agent 经常：

执行 → 检查 → 修改 → 再执行。

例如：

代码生成 Agent：

用户需求

↓

生成代码

↓

测试

↓

失败？

↓

修改代码

↓

重新测试

这是循环。

Graph：

       ┌──────────┐
       ↓          |
生成代码 → 测试 ───┘

       ↓

      成功

       ↓

      END

---

6. LangGraph 如何实现循环？

关键：

Edge 可以指向自己。

例如：

.addConditionalEdges(
 "check",
 state=>state.success,
 {
   retry:"generate",
   end:END
 }
)

如果：

success=false

走：

check

↓

generate

重新生成。

如果：

success=true

走：

END

---

7. 一个完整重试 Demo

State：

const StateAnnotation = Annotation.Root({

 tries:Annotation({
  reducer:(prev,next)=>next,
  default:()=>0
 }),

 ok:Annotation({
  reducer:(prev,next)=>next,
  default:()=>false
 })

});

节点：

const attempt=(state)=>{

 const tries=state.tries+1;

 return {
  tries,
  ok:tries>=3
 }

}

流程：

START

↓

attempt

↓

判断ok

↓

 false
 ↓

attempt


true

↓

END

执行：

第一次：

tries=1
失败

第二次：

tries=2
失败

第三次：

tries=3
成功

结束。

---

8. Conditional Edge 和普通 Edge 区别

	普通 Edge	Conditional Edge
路径	固定	动态
判断	没有	根据 State
场景	流水线	Agent决策
例子	A→B	成功→结束，失败→重试

---

9. 到这里 LangGraph 有了 Agent 的味道

前三篇组合起来：

State
 |
 ↓

Node执行任务

 |
 ↓

Edge控制流程

 |
 ↓

Conditional Edge动态选择

 |
 ↓

Loop不断优化

这已经不是简单 Chain：

A → B → C

而是：

        判断

          ↓

执行 → 检查 → 重试

          ↓

        完成

---

总结

一句话：

Conditional Edge 让 LangGraph 根据 State 动态选择下一步，Loop 让 Agent 能够反复执行、检查和优化，这也是 Graph 工作流区别于线性 Chain 的核心能力。