路由器

在路由器架构中，一个路由步骤会对输入进行分类，并将其定向到专门的智能体。当你拥有不同的垂直领域（各自需要独立智能体的独立知识域）时，这种方法非常有用。

核心特征

路由器会分解查询
零个或多个专门的智能体被并行调用
结果被合成为一个连贯的响应

何时使用

当你拥有不同的垂直领域（各自需要独立智能体的独立知识域）、需要并行查询多个来源，并希望将结果合成为综合响应时，请使用路由器模式。

基本实现

路由器对查询进行分类，并将其定向到合适的智能体。对于单智能体路由，使用 Command；对于向多个智能体并行分发，使用 Send。

单智能体
多智能体（并行）

使用 Command 将查询路由到单个专门的智能体：

import { z } from "zod";
import { Command } from "@langchain/langgraph";

const ClassificationResult = z.object({
  query: z.string(),
  agent: z.string(),
});

function classifyQuery(query: string): z.infer<typeof ClassificationResult> {
  // 使用大语言模型对查询进行分类并确定合适的智能体
  // 此处为分类逻辑
  ...
}

function routeQuery(state: z.infer<typeof ClassificationResult>) {
  const classification = classifyQuery(state.query);

  // 路由到选定的智能体
  return new Command({ goto: classification.agent });
}

使用 Send 向多个专门的智能体并行分发查询：

import { z } from "zod";
import { Command } from "@langchain/langgraph";

const ClassificationResult = z.object({
  query: z.string(),
  agent: z.string(),
});

function classifyQuery(query: string): z.infer<typeof ClassificationResult>[] {
  // 使用大语言模型对查询进行分类并确定合适的智能体
  // 此处为分类逻辑
  ...
}

function routeQuery(state: typeof State.State) {
  const classifications = classifyQuery(state.query);

  // 并行分发到选定的智能体
  return classifications.map(
    (c) => new Send(c.agent, { query: c.query })
  );
}

要查看完整实现，请参见下面的教程。

教程：使用路由构建多源知识库

构建一个路由器，并行查询 GitHub、Notion 和 Slack，然后将结果合成为一个连贯的答案。涵盖状态定义、专门智能体、使用 Send 进行并行执行以及结果合成。

无状态与有状态

两种方法：

无状态路由器 独立处理每个请求
有状态路由器 跨请求维护对话历史

无状态

每个请求都被独立路由——调用之间没有记忆。要进行多轮对话，请参见有状态路由器。

路由器与子智能体：这两种模式都可以将任务分派给多个智能体，但它们在路由决策的制定方式上有所不同：

路由器：一个专门的路由步骤（通常是一次大语言模型调用或基于规则的逻辑），用于对输入进行分类并分派给智能体。路由器本身通常不维护对话历史或执行多轮编排——它是一个预处理步骤。
子智能体：一个主监督智能体动态决定在进行的对话中调用哪些子智能体。主智能体维护上下文，可以在多个回合中调用多个子智能体，并编排复杂的多步骤工作流。

当你拥有清晰的输入类别并希望进行确定性或轻量级分类时，请使用路由器。当你需要灵活的、感知对话的编排，让大语言模型根据不断变化的上下文决定下一步该做什么时，请使用监督者。

有状态

对于多轮对话，你需要跨调用维护上下文。

工具封装

最简单的方法：将无状态路由器封装为一个工具，供对话智能体调用。对话智能体负责处理记忆和上下文；路由器保持无状态。这避免了在多个并行智能体之间管理对话历史的复杂性。

const searchDocs = tool(
  async ({ query }) => {
    const result = await workflow.invoke({ query });
    return result.finalAnswer;
  },
  {
    name: "search_docs",
    description: "跨多个文档源进行搜索",
    schema: z.object({
      query: z.string().describe("搜索查询"),
    }),
  }
);

// 对话智能体将路由器作为工具使用
const conversationalAgent = createAgent({
  model,
  tools: [searchDocs],
  systemPrompt: "你是一个有帮助的助手。使用 search_docs 来回答问题。",
});

完全持久化

如果你需要路由器本身维护状态，请使用持久化来存储消息历史。当路由到某个智能体时，从状态中获取先前的消息，并有选择地将它们包含在智能体的上下文中——这是进行上下文工程的一个杠杆。

有状态路由器需要自定义历史管理。 如果路由器在多个回合之间切换智能体，当智能体具有不同的语气或提示时，对话对最终用户来说可能不够流畅。在使用并行调用时，你需要在路由器级别（输入和合成的输出）维护历史记录，并在路由逻辑中利用此历史记录。请考虑改用移交模式或子智能体模式——这两种模式都为多轮对话提供了更清晰的语义。

Connect these docs to Claude, VSCode, and more via MCP for real-time answers.

Edit this page on GitHub or file an issue.

Get started

Core components

Middleware

Frontend

Advanced usage

Agent development

Production

核心特征

何时使用

基本实现

教程：使用路由构建多源知识库

无状态与有状态

无状态

有状态

工具封装

完全持久化

​核心特征

​何时使用

​基本实现

教程：使用路由构建多源知识库

​无状态与有状态

​无状态

​有状态

​工具封装

​完全持久化

核心特征

何时使用

基本实现

无状态与有状态

无状态

有状态

工具封装

完全持久化