LangGraph核心组件详解--图、节点、边

AI航海家(Ethan)

于 2025-06-17 15:31:06 发布

阅读量1.2k

点赞数 36

CC 4.0 BY-SA版权

分类专栏： LangChain 文章标签： langchain 人工智能自然语言处理

本文链接：https://blog.youkuaiyun.com/rootb/article/details/148716672

LangChain 专栏收录该内容

15 篇文章

订阅专栏

LangGraph：为LLM应用构建强大的循环流程

LangGraph是LangChain的高级库，它突破了传统LangChain的线性工作流限制，为LLM应用引入了循环能力。通过这一创新，开发者可以构建更复杂、更智能的AI应用程序，实现动态决策和迭代处理。本文将详细介绍LangGraph的核心组件及其工作原理。

什么是LangGraph？

LangGraph是一个专为大型语言模型(LLM)应用设计的框架，它允许开发者构建非线性、可循环的工作流。与传统的线性处理方式相比，LangGraph通过以下三个核心概念实现了更强大的流程控制：

状态（图）：维护过程上下文，实现累计数据的动态决策
节点：带边计算步骤，执行特定的任务，适应不同的工作流
边：定义"下一步要做什么"，决定工作流的执行路径（类似if-else逻辑）

通过这三个组件的协同工作，LangGraph能够支持复杂的任务处理流程，如多轮对话、反馈循环和条件分支等。

LangGraph核心组件详解

1. 图（Graph）

图是LangGraph的基础组件，它定义了整个工作流的结构和流程。以下是创建和使用图的基本示例：

from langgraph.graph import StateGraph, START

def my_node(state, config):
    return {"x": state['x'] + 1, "y": state['y'] + 1}

# 创建状态图
builder = StateGraph(dict)
# 添加节点
builder.add_node(my_node)
# 添加边，连接起始节点和自定义节点
builder.add_edge(START, "my_node")

# 编译图
graph = builder.compile()
# 执行输出
print(graph.invoke({"x": 1, "y": 2}))

在这个例子中：

我们创建了一个StateGraph实例，使用Python字典作为状态容器
添加了一个简单的节点函数my_node，它接收状态并返回修改后的状态
定义了从起始点(START)到我们自定义节点的边
编译并执行图，传入初始状态{"x": 1, "y": 2}

这个简单的图演示了LangGraph的基本结构，但它的真正威力在于处理更复杂的流程。

2. 节点（Node）

节点是工作流中的计算单元，负责执行特定的任务。每个节点接收状态，处理它，然后返回新的状态或结果。以下是一个更复杂的节点示例：

from langgraph.graph import StateGraph, START, END

def my_node(state, config):
    print("执行自定义节点")
    return {"x": state['x'] + 1, "y": state['y'] + 1}

def my_oter_node(state):
    return "结束"

# 创建状态图
builder = StateGraph(dict)
# 添加节点
builder.add_node("my_node", my_node)
builder.add_node("my_oter_node", my_oter_node)
# 添加边，连接节点
builder.add_edge(START, "my_node")
# 从my_node开始，然后紧接着执行my_oter_node，然后结束
builder.add_edge("my_node", "my_oter_node")
builder.add_edge("my_oter_node", END)

# 编译图
graph = builder.compile()
# 执行输出
print(graph.invoke({"x": 1, "y": 2}))
# 输出：
# 执行自定义节点
# 结束

在这个例子中：

我们定义了两个节点：my_node和my_oter_node
START是一个特殊节点，表示图的起始点，将用户输入传递到第一个函数节点
END是另一个特殊节点，表示图的结束点
我们通过边定义了节点间的执行顺序：START → my_node → my_oter_node → END

节点可以执行各种操作，如调用API、处理数据、与LLM交互等，这使得LangGraph能够构建复杂的应用程序。

3. 边（Edge）

边定义了工作流中节点之间的连接和转换逻辑。LangGraph支持多种类型的边，包括普通边、条件边和条件入口边，使工作流能够根据条件动态决定执行路径。

from langgraph.graph import StateGraph, START, END

def my_node(state, config):
    print("执行自定义节点")
    return {"a": state['a'] + 1}

def node_a(state, config):
    print("node_a节点")
    return "node_a节点"

def routubg_fun(a: dict):
    """路由函数，根据条件返回不同的节点"""
    if a['a'] == 2:  # 这里可以添加具体的条件判断
        return "my_oter_node"
    else:
        print("条件不满足，返回结束节点")
        return END

def my_oter_node(state):
    return "结束"

def routubg_a(a):
    return True  # 这里可以添加具体的条件判断

# 创建状态图
builder = StateGraph(dict)
# 添加节点
builder.add_node("my_node", my_node)
builder.add_node("node_a", node_a)
builder.add_node("my_oter_node", my_oter_node)

# 条件入口边：根据路由函数的返回值决定下一步执行哪个节点
builder.add_conditional_edges(START, routubg_a, {True: "my_node", False: "node_a"})
builder.add_edge("node_a", "my_oter_node")
builder.add_edge("my_node", "my_oter_node")

# 条件边，根据上一个返回值，自动传入下一个路由函数决定下一步执行哪个节点
builder.add_conditional_edges("my_node", routubg_fun)

graph = builder.compile()
print(graph.invoke({"a": 1}, config={}))

在这个例子中，我们展示了三种类型的边：

普通边：直接从一个节点连接到另一个节点，如builder.add_edge("node_a", "my_oter_node")
条件入口边：根据条件决定从起始点执行哪个节点，如builder.add_conditional_edges(START, routubg_a, {True: "my_node", False: "node_a"})
条件边：根据前一个节点的输出决定下一步执行哪个节点，如builder.add_conditional_edges("my_node", routubg_fun)

通过这些不同类型的边，开发者可以创建复杂的决策逻辑和循环结构，使LLM应用能够处理更加复杂的任务。