LangGraph项目教程：深入理解控制流原语（Branch、Send、Interrupt）-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00001/article/details/148440124

LangGraph项目教程：深入理解控制流原语（Branch、Send、Interrupt）

Tutorial-Codebase-Knowledge Turns Codebase into Easy Tutorial with AI 项目地址: https://gitcode.com/gh_mirrors/tu/Tutorial-Codebase-Knowledge

引言

在构建复杂的工作流系统时，控制流管理是核心挑战之一。The-Pocket/Tutorial-Codebase-Knowledge项目中的LangGraph模块提供了三种强大的控制流原语：Branch（分支）、Send（发送）和Interrupt（中断）。这些原语使得开发者能够构建灵活、动态的工作流系统，类似于编程语言中的条件语句、函数调用和中断机制。

控制流原语概述

控制流原语是工作流引擎的核心组件，它们决定了工作流如何在不同节点之间导航和执行。在LangGraph中，这三种原语分别解决不同场景下的控制流需求：

Branch：实现条件路由，类似于if-else语句
Send：实现直接节点调用，支持并行处理
Interrupt：实现工作流暂停和恢复，支持人工干预

1. Branch原语：条件路由

核心概念

Branch原语允许工作流根据当前状态动态选择执行路径。它由三个关键部分组成：

决策节点：负责评估条件并设置路由标志
路由函数：根据状态决定下一节点
路径映射：将路由结果映射到实际节点

技术实现细节

在LangGraph内部，Branch原语通过graph/branch.py中的Branch类实现。当工作流执行到分支点时：

引擎调用路由函数，传入当前状态
路由函数返回一个路由键（如"route_to_tool"）
引擎查找路径映射，确定下一节点

# 简化的Branch类实现
class Branch(NamedTuple):
    path: Runnable  # 路由函数
    ends: dict[Hashable, str]  # 路径映射
    
    def _route(self, input, config):
        value = ...  # 获取当前状态
        result = self.path.invoke(value, config)  # 调用路由函数
        destinations = [self.ends[r] for r in result]  # 映射到实际节点
        return writer(destinations, config) or input

实际应用示例

考虑一个智能客服场景，需要根据用户问题决定是否调用搜索工具：

def determine_action(state):
    query = state['user_query']
    if "weather" in query.lower():
        return {"next_action": "USE_TOOL"}
    return {"next_action": "RESPOND"}

def route_based_on_action(state):
    return "route_to_tool" if state['next_action'] == "USE_TOOL" else "route_to_respond"

# 构建工作流
workflow.add_conditional_edges(
    "decider",
    route_based_on_action,
    {
        "route_to_tool": "search_tool",
        "route_to_respond": "responder"
    }
)

2. Send原语：直接节点调用

核心概念

Send原语提供了更细粒度的控制能力，允许：

直接指定目标节点
自定义传递给节点的数据
支持并行调用多个节点（类似map-reduce模式）

技术实现细节

Send原语在types.py中定义为简单的数据类：

class Send:
    __slots__ = ("node", "arg")
    
    def __init__(self, node: str, arg: Any):
        self.node = node  # 目标节点名称
        self.arg = arg   # 传递给节点的数据

引擎内部使用特殊通道__pregel_tasks来管理Send请求，为每个Send对象调度目标节点的执行。

实际应用示例

实现一个简单的map-reduce工作流：

def dispatch_work(state):
    items = state['items_to_process']
    return [Send("worker", {"item": item}) for item in items]

# worker节点处理单个项目
def process_single_item(state):
    return {"processed_items": [f"Processed_{state['item'].upper()}"]}

# 构建工作流
workflow.add_node("worker", process_single_item)
workflow.add_conditional_edges("preparer", dispatch_work)

3. Interrupt原语：工作流中断

核心概念

Interrupt原语用于实现以下场景：

人工审批流程
外部系统依赖
条件不满足时的暂停

技术实现细节

中断机制依赖于检查点(Checkpointer)系统：

节点调用interrupt()抛出GraphInterrupt异常
引擎捕获异常并保存当前状态
返回中断信息给调用方
后续可通过检查点恢复执行

实际应用示例

from langgraph.types import interrupt

def approval_node(state):
    if state.get("needs_approval"):
        interrupt({"message": "等待人工审批", "data": state})
    return state

对比分析

| 特性 | Branch | Send | Interrupt | |-------------|----------------------|----------------------|----------------------| | 主要用途 | 条件路由 | 直接节点调用 | 暂停工作流 | | 并行支持 | 否 | 是 | 否 | | 外部交互 | 无 | 无 | 需要 | | 复杂度 | 中等 | 高 | 高 | | 典型场景 | 决策树 | Map-Reduce | 人工审批 |

最佳实践建议

Branch使用建议：
- 保持路由函数简单
- 使用枚举或常量定义路由键
- 为所有可能路径提供映射
Send使用建议：
- 确保目标节点能够处理传入的数据格式
- 注意并行执行时的状态冲突
- 考虑使用operator.add等reducer合并结果
Interrupt使用建议：
- 必须配置检查点系统
- 明确中断后的恢复流程
- 设计清晰的中断信息结构