LangGraph 从入门到实战（03）：把 LLM 装进节点——用模型自己决定下一步第 02 篇我们用route函数写死「走哪条边」。这一步最关键的跃迁：让那个route不在代码里写死，而是由一个 LLM 节点来「拍板」。当一个图里有一个会吐意图的 LLM，配合条件边决定下一步——最小 Agent 的雏形（模型驱动的分支决策）就诞生了。这也是第 09 篇create_react_agent背后那张图的骨架印子。注意：目前还是单向「决策→分支→结束」的 DAG，真正的循环要等第 04 篇才有。本篇代码已用它构出的可运行示例在 langgraph 1.2.4 实测过：intent=rag→ 走检索分支 → 消息累积，全链路跑通。一、思路：把「route」从你写换成模型说第 02 篇的路由是硬编码的：def route(s): return "stop" if s["x"]=4 else "add"。现在改成流程：用户问题 │ ▼ DECIDE 节点（调 LLM）：模型判断「这问题要查资料吗？」 │ ├─ 要查 → RAG 节点（检索资料） └─ 不要 → ANSWER 节点（直接答） 
长河君 · 2026/10/3 13:55:07 · 阅读 1.2k LangGraph 从入门到实战（03）：把 LLM 装进节点——用模型自己决定下一步
LangGraph 从入门到实战（03）：把 LLM 装进节点——用模型自己决定下一步第 02 篇我们用route函数写死「走哪条边」。这一步最关键的跃迁：让那个route不在代码里写死，而是由一个 LLM 节点来「拍板」。当一个图里有一个会吐意图的 LLM，配合条件边决定下一步——最小 Agent 的雏形（模型驱动的分支决策）就诞生了。这也是第 09 篇create_react_agent背后那张图的骨架印子。注意：目前还是单向「决策→分支→结束」的 DAG，真正的循环要等第 04 篇才有。本篇代码已用它构出的可运行示例在 langgraph 1.2.4 实测过：intent=rag→ 走检索分支 → 消息累积，全链路跑通。一、思路：把「route」从你写换成模型说第 02 篇的路由是硬编码的：def route(s): return "stop" if s["x"]=4 else "add"。现在改成流程：用户问题 │ ▼ DECIDE 节点（调 LLM）：模型判断「这问题要查资料吗？」 │ ├─ 要查 → RAG 节点（检索资料） └─ 不要 → ANSWER 节点（直接答）