一、引言

在复杂的图计算任务中，LangGraph 的递归限制常常是一个令人头疼的问题。一旦递归次数超过默认值，就会触发 GraphRecursionError 错误，让程序陷入困境。但别担心，本文将为你揭秘如何巧妙地控制 LangGraph 的递归次数，让你的图计算更加得心应手！

二、递归限制的基本概念

递归限制，简而言之，就是 LangGraph 图在执行过程中允许的最大递归步骤数。默认情况下，这个值被设定为 25 步。这个限制可以在运行时进行调整，通过传递一个配置字典给 .invoke 或 .stream 方法来实现。

三、递归限制的设置与测试

我们先来试一个例子，看看如何设置递归限制：

graph.invoke(inputs, config={"recursion_limit": 5})

这行代码将递归限制设置为 5 步。接下来，我们运行这个图，看看它是否能正常工作。你会发现，当达到递归限制时，图会返回一个错误——这是正常的反应。

四、避免递归限制的策略

那么，如何在避免递归错误的同时，还能获取到图的状态呢？答案就是引入一个新的状态键：remaining_steps。这个键将跟踪到达递归限制前剩余的步骤数。

首先，我们需要定义一个新的 State 类，包含 value 和 remaining_steps 两个键：

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

class State(TypedDict):
    value: str
    remaining_steps: 'RemainingSteps'

接下来，我们需要修改 router 函数，使其在达到递归限制前检查 remaining_steps 的值：

def router(state: State):
    if state["remaining_steps"] <= 2:
        return END
    # ... 其他逻辑 ...

最后，别忘了更新 workflow 的定义，添加 remaining_steps 的节点和边：

workflow = StateGraph(State)
workflow.add_node("decision", decision_node)
workflow.add_node("action", action_node)
workflow.add_edge(START, "decision")
workflow.add_conditional_edges("decision", router, ["action", END])
workflow.add_edge("action", "decision")

现在，当我们运行这个图时，它将在达到递归限制之前获取状态的最后一个值，而不会引发错误。

五、总结

通过上述方法，我们成功地为 LangGraph 图引入了递归次数的控制机制。这不仅避免了递归错误，还能让我们更加灵活地控制图的执行流程。希望这篇文章能为你在处理 LangGraph 递归问题时提供有益的参考和帮助！