基于本文回答

播面 播面

文图音视，全方位拆解八股文
0
评论
请从左侧选择一个分类

Node（节点）在 LangGraph 中的作用

知识点图片

在 LangGraph 中，Node（节点） 是整个图（Graph）工作流中的核心执行单元。如果把 LangGraph 构建的应用比作一条工厂流水线，那么节点就是流水线上的工作站或工人。

以下是 Node 在 LangGraph 中的具体作用和核心机制：

1. 核心作用：执行具体任务（The "Doer"）

节点是真正“干活”的地方。图中的每一个节点都代表一个具体的计算步骤。在一个大语言模型（LLM）应用中，节点通常执行以下任务：

  • 调用大语言模型（LLM）生成回复。
  • 执行外部工具（Tools），例如搜索网页、查询数据库、计算数学题。
  • 处理、转换或清洗数据。
  • 与用户进行交互（比如暂停等待用户输入）。

2. 与 State（状态）的交互机制

LangGraph 是基于“状态（State）”驱动的。节点的核心工作模式是“读取状态 -> 执行逻辑 -> 更新状态”。

  • 输入（Input）： 节点（本质上是一个 Python 函数或 LangChain 的 Runnable 对象）接收当前整个图的全局 State 作为输入参数。
  • 处理（Process）： 根据当前的状态数据执行逻辑。
  • 输出（Output）： 节点不返回完整的状态，而是返回一个包含状态更新（State Update） 的字典。LangGraph 会根据你在定义 State 时指定的 Reducer（聚合函数），将这个更新合并到全局状态中。

3. 特殊的内置节点

在 LangGraph 中，除了开发者自定义的节点外，还有两个极其重要的虚拟/内置节点：

  • START 节点： 图的起点。当你给图输入初始数据并运行图时，数据会首先从 START 节点流向与其相连的第一个业务节点。
  • END 节点： 图的终点。当流程流转到 END 节点时，整个图的执行结束，并返回最终的 State。

4. 节点与边（Edges）的分工

在 LangGraph 的设计哲学中，节点只负责“做事”，不负责“寻路”。

  • Node（节点）： 专注于完成当前的任务并更新状态。
  • Edge（边/条件边）： 负责根据当前的状态，决定接下来把状态传递给哪一个 Node。
    这种设计将“业务逻辑”和“流程控制”解耦，使得复杂的循环（Cycles）和多 Agent 协作变得非常清晰。

💡 极简代码示例

为了更好地理解，看看 Node 在代码中长什么样：

python 
from typing_extensions import TypedDict
from langgraph.graph import StateGraph, START, END

# 1. 定义状态 (流水线上的产品)
class State(TypedDict):
    messages: list
    count: int

# 2. 定义一个 Node (工作站/工人)
def llm_node(state: State):
    # 读取当前状态
    current_count = state.get("count", 0)
    
    # 执行业务逻辑（比如调用 LLM）
    response = f"这是第 {current_count + 1} 次回复"
    
    # 返回状态的【更新】 (LangGraph 会自动将其追加或合并到全局 State 中)
    return {"messages": [response], "count": current_count + 1}

# 3. 构建图
builder = StateGraph(State)

# 将 Node 添加到图中，并给它起个名字叫 "my_llm"
builder.add_node("my_llm", llm_node)

# 定义边（数据流向）
builder.add_edge(START, "my_llm")
builder.add_edge("my_llm", END)

graph = builder.compile()

总结比喻

  • Graph（图）： 整个餐厅的运作流程。
  • State（状态）： 顾客的点菜单（随着流程不断添加菜品和备注）。
  • Node（节点）： 厨师、切菜工、服务员（他们拿到点菜单，做自己该做的菜/事，然后在菜单上打个勾或加上新内容）。
  • Edge（边）： 传菜员（根据菜单现在的状态，决定接下来把菜单递给哪位员工）。
00:00
00:00