前言

老顾前面介绍了《老顾深度解析【字节跳动的AI项目DeerFlow】源码（一）》、《老顾深度解析【字节跳动的AI项目DeerFlow】源码之协调者(二)》、《老顾深度解析【字节跳动的AI项目DeerFlow】源码之规划者(三)》、今天老顾给大家介绍另一个角色：人。

此角色就是需要人进行干预，需要补充一些相关信息。然后再重点介绍一下前后端的交互逻辑。

用户提出的问题：作为40岁的男人，如何减肥？规划者Planner会结合背景调查进行分析，规划者Planner分析后，会在前端界面上显示【Edit plan】和【Start research】；提示用户是Edit Plan进行人工中断来修改计划 或者 直接Start Research调用执行者。

这里我们就介绍人工中断的场景：“再增加运动器材的推荐”。

Agent流程图

我们先来看看整体的LangGraph的流程图，先上源码

这个源码就是我们前一篇文章中介绍的交互流程。我们看一下人工中断human_feedback在哪个位置

builder.add_node("human_feedback", human_feedback_node)

我们发现这里只有定义，那是怎么流转到人工中断节点的呢？

下面是规划者的方法节点，里面定了返回的节点，一个是人工中断，一个是报告。

def planner_node(
    state: State, config: RunnableConfig
) -> Command[Literal["human_feedback", "reporter"]]:

前一篇文章介绍规划者Planner时，介绍了人工中断的逻辑，这里就不作重复介绍了。

人工中断Agent

来看看源码

我们来分析一下代码

current_plan = state.get("current_plan", "")

获得规划者设计的内容current_plan 。

auto_accepted_plan = state.get("auto_accepted_plan", False)

上面代码是获取【是否自动接受规划者的内容】的配置，这个配置代表是否不需要人工中断，直接调用执行者就行了。

if not auto_accepted_plan:
     feedback = interrupt("Please Review the Plan.")

符合人工中断条件，会调用interrupt方法，这个方法会暂停整个Graph执行，等待用户在前端的输入

前端交互

用户在前端进行咨询时，请求的接口是/api/chat/stream

上面的代码就是请求的入口

thread_id = request.thread_id
if thread_id == "__default__":
   thread_id = str(uuid4())

thread_id代表session会话，也是通过thread_id对不同的用户咨询进行隔离的。

我们继续往下看，
_astream_workflow_generator方法

上面的红色框的if条件，如果用户没有点击Edit Plan这个按钮，这段红色框架就不会执行。

那我们看看如果用户点击了Edit Plan按钮，进行计划补充信息，然后再咨询提交“再增加运动器材的推荐”，我们看看请求的参数

里面有个interrupt_feedback参数，对应的值为edit_plan；在看看messages参数就是用户补充的内容。

我们再看看入口请求的代码

if not auto_accepted_plan and interrupt_feedback:
    resume_msg = f"[{interrupt_feedback}]"
    # add the last message to the resume message
    if messages:
        resume_msg += f" {messages[-1]['content']}"
    logger.info(f"Resume message: {resume_msg}")
    input_ = Command(resume=resume_msg)

interrupt_feedback变量的值为edit_plan了，那条件为真，进入if分支。

resume_msg变量就是edit_plan加上用户的补充内容{messages[-1]['content']}。

最后resume_msg的值为： [edit_plan] 再增加运动器材的推荐

后面就是最主要的对象Command了，创建它并赋予resume参数。就是命令对象，resume参数是表示中断恢复。

执行graph

但是在上次中断的节点处恢复，也就是下面图中的红箭头标识的interrupt处。

中断恢复

我们继续往下看中断恢复后的代码

if feedback and str(feedback).upper().startswith("[EDIT_PLAN]"):
      return Command(
          update={
              "messages": [
                  HumanMessage(content=feedback, name="feedback"),
              ],
          },
          goto="planner",
      )

如果用户选择的是修改计划补充相关的信息，就再此调用Planner规划者Agent。

Start Research

如果用户不选择Edit Plan，那另一个选择就是Start Research

我来看看请求参数是什么样子

interrupt_feedback变量的值为accepted了，那我们看看下面的代码

如果是accepted表示接收规划者计划的内容，后面就goto=research_team流转到了执行者Agent

总结

上面就是人工中断的整体逻辑，更偏向工程化，没有和大模型进行交互，所以没有提示词。

上面讲解大家一定不要忘了有一个thread_id参数，这个参数的作用就是代表一次的咨询。

到这里人工中断Agent就介绍完了，后面会带来比较核心的执行者Agent。

好了，今天就介绍到这里，谢谢大家，记得关注老顾哦！！！

老顾的动力，藏在你的关注里 —— 精品文章，持续上新，别错过～

【相关系列文章】

老顾深度解析【字节跳动的AI项目DeerFlow】源码（一）

老顾深度解析【字节跳动的AI项目DeerFlow】源码之协调者(二)

老顾深度解析【字节跳动的AI项目DeerFlow】源码之规划者(三)