参考 · 内置节点速查¶

本页汇总所有内置节点：角色、构造参数、输入输出字段、最小用法。字段名/类型与源码 NodeDeclaration 一致，是最权威的速查。

所有节点统一 Node(name=..., **params)：name 是工作流内唯一实例名；**params 里的键会与「输入 schema」对齐解析（常量 / wf.ref 引用 / 注入对象）。

速查表¶

节点	角色	输出节点	一句话
`ChatLLM`	对话生成	默认是（`output` 可关）	组装消息调模型，流式生成 `reply`
`Answer`	指定回复	是	输出固定文本 / 引用 / `{{key}}` 变量，收口最终回答
`IfElse`	条件判断	否	`condition` 产 `branch` 做条件路由，可当纯计算节点
`QuestionClassify`	模型分类	否	把问题归到预定义类别，产稳定 `branch`
`HttpRequest`	HTTP 调用	否	GET/POST 等，输出 `status_code/text/json`
`KnowledgeBaseSearch`	知识库检索	否	检索当前问题，输出 `results/text/has_results`
`UserSelect`	交互选择	否	暂停让用户选一项（需 checkpointer）
`UserInput`	交互输入	否	暂停让用户输入一段（需 checkpointer）
`VariableUpdate`	写内部变量	否	记 `ctx.variables`，不回传
`VariableOutput`	回传变量	否	显式声明回传前端的变量键

1. ChatLLM¶

组装 system + history + context + 当前问题 调模型，流式输出。

构造参数	说明
`chat_model`	LLM 客户端（`LLMClient` 或任意可调用对象，测试注入 mock；必填）
`system`	系统提示（可选）
`output`	是否输出节点，默认 `True`；设 `False` 由 `Answer` 收口

输入	类型	必填
`user_input`	`str`	否（缺省取历史最后一条 user 消息）
`history`	`chatHistory`	否
`context`	`str`	否（参考上下文，注入 user 前，如知识库文本）

输出	类型
`reply`	`str`

wf.add_node(
    ChatLLM(
        name="llm",
        chat_model=model,
        system="你是客服",
        user_input=wf.ref("input"),
        context=wf.ref("kb.text"),
        output=False,
    )
)

2. Answer¶

输出最终回复（统一转 str，支持 {{key}} 变量渲染）。is_output=True。

输入	类型	必填
`text`	`any`	是

输出	类型
`result`	`str`

wf.add_node(Answer(name="ans", text="正在为您转接…"))  # 固定文本
wf.add_node(Answer(name="ans", text=wf.ref("llm.reply")))  # 引用节点输出
wf.add_node(Answer(name="ans", text="你好{{user_name}}"))  # 变量占位符

3. IfElse¶

condition 产出路由键 branch，配合条件边路由；也常当纯计算节点（branch 被下游当数据引用）。

输入	类型	必填
`condition`	`any`（常量或 `(inputs,ctx)->分支值`）	否
`left`	`any`	否（待判断值，供 condition 读取）

输出	类型
`branch`	`any`（bool 二分支或任意可哈希值多分支）

wf.add_node(
    IfElse(
        name="judge", left=wf.ref("llm.reply"), condition=lambda i, ctx: "转人工" in str(i["left"])
    )
)
wf.add_conditional_edge("judge", {True: "handoff", False: "auto"})

condition 三种形态：可调用 (inputs,ctx)（可读 ctx.variables）/ 常量 / 缺失（抛 ValueError）。

4. QuestionClassify¶

让模型把问题归到预定义类别；未命中归 "其他"。确定性匹配保证 branch 稳定对应条件边。

构造参数	说明
`chat_model`	LLM 客户端（必填）
`categories`	类别 `[{name, description?}, ...]`（必填）
`description`	分类提示说明，默认「判断用户的意图」
`query`	待分类问题（一般 `wf.ref`）

输入	类型	必填
`query`	`str`	是
`history`	`chatHistory`	否

输出	类型
`branch` / `category`	`str`（命中类别名）
`confidence`	`float`（占位 `1.0`）

wf.add_node(
    QuestionClassify(
        name="cls",
        chat_model=model,
        categories=[{"name": "退款"}, {"name": "物流"}],
        query=wf.ref("input"),
    )
)
wf.add_conditional_edge("cls", {"退款": "refund", "物流": "logistics", "其他": "default"})

5. HttpRequest¶

调第三方接口。headers/body 支持输入与参数互备；body dict/list 自动 JSON，str 原样。可注入 client=httpx.Client。

输入	类型	必填
`url`	`str`	是
`method`	`str`	否（默认 GET）
`headers`	`dict`	否
`body`	`any`	否

输出	类型
`status_code`	`int`
`text`	`str`
`json`	`dict`（解析失败 `None`）

wf.add_node(HttpRequest(name="api", url="https://httpbin.org/get", method="GET"))
wf.add_node(Answer(name="ans", text=wf.ref("api.text")))

6. KnowledgeBaseSearch¶

检索当前问题（query 缺省取最近 user 消息），输出拼接检索文本供 LLM 上下文。

构造参数	说明
`retriever`	检索器（见专题 RAG，必填）

输入	类型	必填
`query`	`str`	否（缺省取最近 user 消息）

输出	类型
`results`	`list`（`[{source, chunk_index, text, score}]`）
`text`	`str`（`[来源-块#n] 内容`，块间空行）
`has_results`	`bool`

wf.add_node(KnowledgeBaseSearch(name="kb", retriever=retriever))
wf.add_node(ChatLLM(name="llm", chat_model=model, context=wf.ref("kb.text"), output=False))

7. UserSelect / UserInput（交互，需 checkpointer）¶

暂停发 interactive 载荷，用户答复后恢复。必须 wf.compile(store=...) 才能跨请求恢复（见指南 04）。

UserSelect¶

输入	类型	必填
`description`	`str`	是（给用户的问题）
`options`	`list`（`[{key, value}, ...]`）	是

输出	类型
`selected`	`any`（用户选中的 value）

wf.add_node(
    UserSelect(
        name="choose",
        description="请选择业务类型",
        options=[{"key": "a", "value": "贷款"}, {"key": "b", "value": "还款"}],
    )
)

UserInput¶

输入	类型	必填
`description`	`str`	是

输出	类型
`input`	`str`

wf.add_node(UserInput(name="ask", description="请输入您的手机号"))

8. VariableUpdate（写内部变量）¶

写 ctx.variables[key]=value，不回传前端。

输入	类型	必填
`key`	`str`	是
`value`	`any`	是（支持 `wf.ref`）

wf.add_node(VariableUpdate(name="set_name", key="user_name", value=wf.ref("llm.reply")))

9. VariableOutput（显式回传变量）¶

variables 的 value：显式值 / None（从内部变量取）/ wf.ref。回传的键才进 updateVariables。

输入	类型	必填
`variables`	`dict`（`{key: value}`）	是

wf.add_node(VariableOutput(name="out", variables={"session_id": "s-123"}))  # 显式
wf.add_node(VariableOutput(name="out", variables={"currentStage": None}))  # 取内部
wf.add_node(VariableOutput(name="out", variables={"name": wf.ref("llm.reply")}))  # 引用

附：工作流构建 API 速查¶

方法	作用
`Workflow(name)`	建图
`add_node(node)`	加节点（实例名唯一）
`add_edge(src, dst)`	普通边（`dst` 可用 `"__end__"`）
`add_conditional_edge(src, mapping)`	条件边（`mapping = {分支值: 目标}`）
`wf.ref(expr)`	引用 `"input"` 或 `"节点.输出键"`
`wf.compile(store=None)`	编译为原生 LangGraph 图

下一步¶

每个节点的详细用法与完整配图 → 见各指南
想加自己的节点 → 指南 07