一個 AI 請求只對應一個答案時，流程是一條直線；一旦同一筆輸入要走向多個方向，問題就變成三個：選哪條路、哪些路可以同時走、結果最後在哪裡匯合。掘金用戶 Dragon_xjy 於 2026 年 9 月 29 日發布一篇約 8 分鐘閱讀量的技術文章，主題正是 LangGraph 如何把這些「路口」變成可以執行的圖結構。本臺以回顧角度整理該文的可核實內容。
兩種分支，一條判斷口訣
文章先把 LangGraph 的分支分成兩類。
第一類是靜態分支：編譯圖的時候，所有候選節點已經註冊完成，執行期只是在這些固定節點中挑選一條或幾條路徑。
第二類是動態分支：圖裡只放通用的 Worker 節點，要到執行當下才決定要建立幾個任務、每個任務帶什麼參數。文中介紹的 Send 機制屬於此類，適合批次處理和數量事先不確定的工作。
作者給出一條分辨口訣：節點集合事先知道，是靜態分支；任務數量要到執行時才知道，是動態分支。
靜態分支的條件路由
在靜態分支的示範程式碼中，作者以 add_conditional_edges() 為核心，讓路由函式回傳業務標籤，再透過 path_map 把標籤映射到實際節點。範例是一個內容產生流程：狀態裡存放主題（topic）與內容類型（content_type），圖中註冊了寫七言絕句的 poem_node 與寫笑話的 joke_node 兩個候選節點，路由函式依 content_type 決定走向，兩個節點各自接到 END。
作者特別標註的重點是：整張圖只有兩個候選節點，執行期不會憑空長出第三個節點。路由函式回傳的是業務標籤，並不直接暴露節點名稱，這層間接映射由 path_map 負責轉換。
範例程式呼叫 DeepSeek 的模型（ChatDeepSeek，模型名稱為 deepseek-v4-flash）產生內容，並以「布偶貓」為示範主題。
動態分支：Command 與 Send
文章接著介紹 Command 路由。Command 的作用是把「判斷狀態」與「跳轉位置」收進同一個節點裡處理，未知的類型則直接結束流程。
動態分支的典型用法是 Send。文章將其定位為「動態扇出任務」的工具：當任務數量在執行前無法確定、需要批次展開時，由 Send 在執行期產生多個帶不同參數的任務實例。這與靜態分支的根本差異在於，靜態分支的路徑選項在編譯期就已封閉，動態分支的任務數量則是開放的。
來源與資訊邊界
以上內容均整理自該篇掘金文章的正文。文中的程式碼作者標明可直接執行，判斷口訣與節點封閉性的說明屬於作者的技術表述。至於 Send 與 Command 在不同 LangGraph 版本中的 API 細節與適用場景，原文未完整展開，本臺不另行補充。對分支機制有實作需求的讀者，仍應以 LangGraph 官方文件為準。