LangGraph Edge（边）完整讲解

LangGraph Edge（边）完整讲解

1. 基础定义

在 LangGraph 中：

• Node（节点）：独立计算单元，负责业务逻辑（检索、LLM 生成、工具调用等）
• Edge（边）：节点之间的连接关系，用来定义图的执行流向，规定执行完 A 节点后，下一步走哪个节点

简单类比： Node = 车间工位，Edge = 工位之间的传送轨道，轨道决定数据流转顺序。

2. 两大类 Edge

① 普通固定边（Normal Edge）

固定单向流转，执行完当前节点固定进入下一个指定节点，无判断分支。 语法示例：

python

运行

# 检索节点执行完，固定走组装上下文节点 graph.add_edge("retrieve_node", "augment_node")

流程：retrieve_node→augment_node，路径唯一、不可变更。

② 条件边（Conditional Edge）

执行完节点后，根据 State 状态做判断，动态选择下一跳节点，用来实现分支、循环、路由。

1. 需要单独写一个路由函数（返回节点名字符串）；
2. 使用add_conditional_edges绑定。

示例：工具调用分支逻辑

python

运行

def route_after_llm(state): # 判断是否需要调用工具 if state["need_tool_call"]: return "tool_node" else: return "generate_answer_node" # 绑定条件路由 graph.add_conditional_edges( source="llm_judge_node", path=route_after_llm, path_map={"tool_node": "tool_node", "generate_answer_node": "generate_answer_node"} )

执行完llm_judge_node后，根据状态动态分流两条路径。

3. Edge 工作机制

1. 节点执行完毕，输出状态更新，写入全局 State；
2. 框架查找当前节点绑定的所有边；
   • 普通边：直接跳转目标节点；
   • 条件边：执行路由函数读取 State，匹配目标节点；
3. 切换到下一个节点，重复「读 State→计算→更新 State」流程。

4. Edge 实现复杂流程能力

依靠边的组合，可以实现 LCEL 普通链条做不到的复杂逻辑：

1. 分支：条件边做多路选择（是否调用工具、是否需要二次检索）
2. 循环：条件边指回上游节点（Agent 多轮工具调用循环）
3. 汇聚：多条不同节点的边指向同一个下游节点
4. 子图：子图内部自有节点与边，子图整体又作为一个大节点，通过外层边接入主图

5. 和线性 Chain 的核心区别

• LCEL Chain：硬编码串行顺序，流转固定，没有 “边” 的抽象；
• LangGraph：节点与流向完全解耦，所有流转规则统一由 Edge 管理，可灵活修改、新增分支 / 循环，不用改动节点内部计算逻辑。

6. 完整极简示例（节点 + 边组合）

python

运行

# 1. 定义节点函数省略... # 2. 添加节点 graph.add_node("retrieve", retrieve_node) graph.add_node("augment", augment_node) graph.add_node("generate", generate_node) # 3. 通过Edge连接节点，定义流程 graph.add_edge("retrieve", "augment") # 检索→拼接上下文 graph.add_edge("augment", "generate") # 拼接→生成答案 # 设置入口节点 graph.set_entry_point("retrieve")

整条流水线的顺序完全由两条 Edge 定义。