昨天說 LangGraph 是狀態機。今天講為什麼「狀態機」這個形狀對 AI 系統特別重要。

為什麼需要迴圈

chain 只能單向流動：A 到 B 到 C，做完就結束。像一條水管。

但 AI 常常需要繞回去：

• 答得不夠好，重寫一次
• 查完資料，再想一次
• 工具報錯，換個參數重試
• 使用者退件，回上一步

水管做不到這些，圖做得到。框架名字裡的 graph 就是這個意思。

實作上是 conditional edge：一個函式看完目前的 state，回傳下一個節點的名字。它可以回傳自己上游的節點，於是形成迴圈。

「品質不夠就重寫，最多三次」這種需求在 LangGraph 裡是這樣寫的：state 裡放一個 retry_count，節點每次重寫時加一，conditional edge 檢查「品質達標或 retry_count >= 3」就往出口走，否則回重寫節點。

這段邏輯是純 Python，可以單元測試，可以印出來看，出錯時 stack trace 指得到行號。記住這個對照，之後講另一種風格的框架時會用到。

次數上限不是可有可無的裝飾

上面那個 retry_count >= 3 的判斷，我一開始沒放進條件式，只想著「反正模型應該不會一直錯」。這個假設很危險。

LangGraph 本身有個 recursion_limit，預設值是 25，超過會直接擋下來，防止真的無限迴圈燒爆 token。但這只是安全網。安全網被觸發，代表流程設計本身有漏洞：某個條件永遠不會成立，或者判斷式寫反了。迴圈因此跑到第 25 輪才被框架強制中止，而不是照原本設計在第 3 輪結束。次數或分數的出口一定要自己寫進 conditional edge 裡，不能仰賴框架幫你兜底：25 輪對一個本來只該跑 3 輪的流程來說，代價已經是好幾倍的模型呼叫。

迴圈裡欄位怎麼疊加

迴圈跑很多輪的時候，常常需要留住每一輪的紀錄，而不是被最新一輪蓋掉。State 裡的欄位預設行為是覆蓋：節點回傳 {"答案": "B"}，就把前一輪的 "A" 蓋掉。

如果某個欄位你希望是往上疊的，例如每一輪重寫的草稿，或是對話歷史，要在定義 State 的 TypedDict 時，把欄位型別包上 Annotated，搭配一個 reducer，像 Annotated[list, add]。之後節點回傳 {"對話": ["新的一句"]}，LangGraph 會接在既有清單後面繼續累加。

這跟迴圈的關係是：沒有這個標記，重寫迴圈只留得住最後一輪的結果，事後想檢討「第一次為什麼判斷錯」會發現資料早就不見了，因為每一輪都把上一輪蓋掉了。反過來說，答案這種只需要最新版本的欄位，就不該加這個標記，不然會一直往下疊，內容越來越長。哪個欄位該疊、哪個該蓋，是設計迴圈當下就該決定的事，不要等結果跑歪了才回頭補。

小結

conditional edge 讓 LangGraph 跳出 chain 的單向限制，能繞回去重試，能等狀況滿足才往下走。次數上限要自己寫進條件式；recursion_limit 只是最後一道安全網。State 裡哪些欄位該疊加、哪些該覆蓋，也是在寫迴圈的當下就該想清楚的事。

明天講另一個讓 LangGraph 真正好用的機制：checkpointer。它解決的是「迴圈跑到一半，能不能先停下來等人」這個 conditional edge 解決不了的問題。