LangGraph 如何实现循环和条件分支逻辑？

1. 条件边驱动的动态路由

条件边是 LangGraph 实现循环和分支的核心机制。通过 add_conditional_edges() 方法，开发者可以为某个节点指定一个路由函数，该函数接收当前状态并返回目标节点的名称。例如，在一个 RAG 流程中，可以根据检索结果的质量评分决定是直接输出答案还是重新搜索。条件边的路由逻辑是完全确定性的 Python 函数，不依赖 LLM 决策，保证了调试的可复现性。

2. 循环的实现模式

循环通过条件边指向已访问过的上游节点来实现。典型的 ReAct 循环包含两个节点（LLM 节点和工具节点）和一条条件边：LLM 节点生成响应后，条件边检查是否存在 tool_calls，如果有则路由到工具节点执行，执行完后再回到 LLM 节点；如果没有则路由到结束节点。这种循环机制使得 Agent 可以进行多轮"思考-行动-观察"的迭代推理。

3. 递归限制保护

为防止无限循环，LangGraph 提供了 recursion_limit 配置项，默认值为 25。当图的执行步数超过限制时，会自动终止并抛出 GraphRecursionError 异常。在生产环境中，开发者通常会在状态中显式维护计数器，或通过条件边检测连续若干步没有实质性进展时强制退出，实现对循环退出的精细控制。

4. 静态条件与动态跳转

LangGraph 支持两种实现条件分支的方式：静态方式使用 add_conditional_edges() 在编译期声明所有可能的路由目标，图可视化清晰；动态方式使用 Command(goto=...) 在节点内部直接返回下一步的目标节点，适合节点内部已掌握全部决策信息的场景。两种方式最终生成的图拓扑相同，选择取决于代码组织的偏好。