知序
返回
保存草稿
发布
H1
H2
H3
1
2
3
Excalidraw 图
AI 写作
AI 优化
目录
输入内容后显示目录
Markdown
# 03 - 路由、循环与容错 > 导读:本文从"面试官问『你的 Agent 会不会死循环,你怎么保证它一定会停』"这个几乎必问的追问出发,把条件边(Conditional Edge)的显式控制流、路由决策来源的选型、`Literal` 与路径映射构成的"分支清单"、循环必须具备的四种退出条件,以及业务失败与程序异常的分离处理逐项讲透,最后给出工程实践与踩坑。适合准备 AI 应用 / Agent 方向面试、以及正在为"Agent 偶尔跑飞"发愁的同学。 ## 一、先建立全局认知 ### Q:为什么说"路由"才是 LangGraph 的核心价值,而不是"画图"? A:结论先行——**因为 LangGraph 的价值不在把流程画成图,而在于把模型或工具的"不确定输出"转换成"可审核、可限制的流程走向";节点负责产生事实与状态更新,条件边负责决定下一跳**。 这句话里的分工是理解整章的关键:**节点是"事实生产者"**,它调用模型、调工具、做校验,然后返回它对 State 的更新;**条件边是"决策者"**,它只读 State(尤其是那些结构化字段),返回一个明确的下一个节点名。把这两件事分开,就得到三个工程收益:  *图:图路由——条件分支、修复回边与失败出口* ```text START → classify → research ─┐ ↘ answer ├→ validate → publish → END ↑ │ │ └ repair┘ └→ failed → END ``` **第一,可审核**——所有分支决策集中在少数几个纯函数里,评审时一眼就能看完"这张图所有可能的走向";**第二,可限制**——分支清单是有限枚举,配合循环预算,图的搜索空间是封闭的;**第三,可测试**——路由函数是纯函数,不需要启动模型、不需要网络,就能把所有分支断言一遍。 反过来说,如果走向是"节点内部自己决定的",那么这张图就退化成了"一堆函数里藏着若干 if-else",图结构失去意义,任何可视化、重放、审计都无从谈起。所以面试里被问"你怎么做 Agent 的可控性",标准切入点就是这个分工。 ### Q:路由的决策来源有哪几类?各自该怎么处理? A:结论先行——**分三类:规则或结构化字段、LLM 分类、工具状态;原则是"确定性优先",能用规则判断的绝不交给模型**。 | 判断来源 | 用途 | 做法 | |---|---|---| | 规则或结构化字段 | 权限、预算、校验、审批 | 直接在 route 函数中判断 | | LLM 分类 | 意图分类、任务选择 | 先生成受 Schema 约束的枚举,再由 route 判断 | | 工具状态 | 超时、无结果、限流 | 归一为错误码和可重试标志 | 三类的处理要点各异。**规则类**最简单也最该优先:预算够不够、用户有没有权限、校验过没过,这些都是确定性问题,写成纯函数判断既快又不会错。**LLM 分类类**是唯一必须引入模型的地方,但要注意"两步走"——先让模型输出一个受 Schema 约束的枚举值(比如限定在 `billing / technical / other` 之内),再由路由函数根据这个枚举值决定走向;**绝不能让模型直接输出"下一个节点名"然后不经校验就用**,否则模型的一次幻觉就可能把流程导向一个不存在的节点。**工具状态类**的关键是"归一化"——把各种五花八门的异常(超时、限流、空结果、权限拒绝)统一转换成少数几个错误码加一个"是否可重试"标志,这样路由逻辑才不会被工具细节污染。 一句话总结选型原则:**规则能判的就别问模型,模型能给的只让它给"枚举",工具的细节先在节点里归一化再交给路由。** ### Q:为什么强调"不要让节点内部以隐式方式决定全部后续逻辑"? A:结论先行——**因为隐式决策会让图的路径无法可视化、无法重放、也无法测试,等于放弃了框架的全部收益**。 一个典型的反面写法是:节点里拿到模型输出后,自己判断"如果模型说了 A 就继续、说了 B 就重试、说了 C 就报错",然后通过某种方式让图跳转。这种做法带来三个直接损失:**其一**,`compile()` 校验、图结构可视化、静态分析全都失效,因为节点之间"看起来没有边";**其二**,重放不可靠——恢复时你无法从图上知道"上次走到了哪条分支";**其三**,测试只能端到端跑,无法对单条分支做快速断言,测试成本和脆弱度都会上升。 正确做法是"**节点产出事实、路由消费事实**":节点把"校验结果""错误码""分类结果"写进 State,路由函数读这些字段返回枚举。这样即便业务逻辑再复杂,决策点也是可枚举、可审查的。 ## 二、条件边的写法与契约 ### Q:条件边怎么定义?能给出一个完整可读的例子吗? A:结论先行——**条件边由三部分组成:从哪个节点出发、一个返回枚举的路由函数、以及"枚举值 → 目标节点名"的路径映射;三者合起来构成这张图的分支清单**。 ```python from typing import Literal, TypedDict from langgraph.graph import END, StateGraph class ValidationState(TypedDict, total=False): content: str validation_error: str retry_count: int status: str Route = Literal["repair", "publish", "failed"] MAX_RETRIES = 3 def route_after_validate(state: ValidationState) -> Route: if state.get("retry_count", 0) >= MAX_RETRIES: return "failed" if state.get("validation_error"): return "repair" return "publish" def repair(state: ValidationState) -> dict: return {"retry_count": state.get("retry_count", 0) + 1} def publish(_: ValidationState) -> dict: return {"status": "published"} def failed(state: ValidationState) -> dict: return {"status": f"failed: {state.get('validation_error', 'unknown')}"} builder = StateGraph(ValidationState) builder.add_node("validate", lambda state: state) builder.add_node("repair", repair) builder.add_node("publish", publish) builder.add_node("failed", failed) builder.add_conditional_edges( "validate", route_after_validate, {"repair": "repair", "publish": "publish", "failed": "failed"}, ) builder.add_edge("repair", "validate") builder.add_edge("publish", END) builder.add_edge("failed", END) ``` 逐点解读这段代码里最值钱的四个设计: 1. **路由函数只读状态、只返回枚举**:`route_after_validate` 里面没有模型调用、没有网络请求、没有副作用,所以它可以被毫秒级地单测。 2. **预算判断放在最前面**:先判 `retry_count >= MAX_RETRIES` 再判是否有错误。**顺序很重要**——如果先判错误,那么"有错误但已耗尽预算"的情况会一直走 `repair`,循环永不退出。 3. **失败出口是显式节点**:`failed` 不是一个"抛异常",而是一个正常节点,它会写 `status` 并走到 `END`。业务上的失败应该是可预期、可记录、可展示的终态。 4. **循环靠一条回边闭合**:`builder.add_edge("repair", "validate")` 让 `repair` 回到校验,形成有限循环;循环的边界由 `MAX_RETRIES` 约束。 ### Q:为什么要用 `Literal` 加路径映射?它和"直接返回节点名字符串"有什么区别? A:结论先行——**返回值用 `Literal` 与 path map(路径映射)共同形成"分支清单":新增路由值时,类型检查、单元测试和路径映射都应同步更新,所以任何一处遗漏都会被及早发现**。 对比一下两种写法的差别: ```text 写法 A:返回 Literal + 显式 path map 路由函数 → "repair" | "publish" | "failed" 映射表 → 三个取值各自对应哪个节点 ✅ 枚举值有类型约束、映射关系是显式文档、缺失映射会被发现 写法 B:直接返回目标节点名字符串 路由函数 → "repair"(一个裸字符串) ✅ 看起来更短 ❌ 拼写错误只能在运行时暴露;"有哪些分支"没有集中的地方可查 ``` `Literal` 的好处在于它把"可能的分支"变成了类型系统里可枚举的集合——静态检查工具能告诉你"你漏处理了某个取值",评审者也能一眼看全。path map 的好处在于它是**唯一的映射真相**:想新增一条分支,你必须同时改类型、改函数、改映射表,三处同步的成本很低,但遗忘一处的代价很高。 需要标注的版本提示:**条件边的参数形式(例如是否需要显式传 path map、是否支持更灵活的分支表达)在不同版本间可能有变化,具体写法需结合版本确认**;但"返回有限枚举 + 映射到具体节点"这个契约是稳定的。 ### Q:Agent 死循环的典型成因有哪些?面试里怎么系统性回答? A:结论先行——**典型成因有五类:没有次数或资源上限、路由条件恒真、状态字段没被真正更新、错误被反复当成可重试、以及模型在"确定下一步"时持续给出同一个错误结论**。 逐条说清成因与对策,才是一个完整答案: 1. **没有上限**:循环完全依赖"成功"来退出,一旦永远不成功就永远不停。对策是同时加次数、时间、成本三个维度的预算。 2. **路由条件恒真**:例如判断"是否有错误"时,某条路径永远不会清空 `validation_error`,于是永远走修复分支。对策是保证每一轮写入都给出完整新值,并在单测里断言"修复后错误会被清除"。 3. **字段没被真正更新**:修复节点本该递增 `attempts`,但因为读取用了常量或写错了字段名,重试次数一直不变,上限判断永远不成立。对策是把"预算字段的更新"做成断言,测试"跑 N 轮后预算字段确实增长了"。 4. **错误被反复当成可重试**:某些"其实不可恢复"的错误被错误地标记为 `retryable: True`,于是每一轮都在做同样注定失败的事。对策是错误分类要显式评审,并在超限后走到失败出口。 5. **模型持续给出同一个结论**:比如模型每次都输出"还需要再检索一次",而系统没有任何机制阻止它。对策是把模型的决策约束在有限枚举里,并由代码层的预算兜底——**永远不要让模型拥有"无限请求下一轮"的权力**。 面试里把第五条讲出来通常会让面试官眼前一亮,因为它点出了本质:**Agent 循环的终止权必须掌握在确定性代码手里,而不是模型手里。** ### Q:怎么让模型参与路由,但又不让它"掌权"? A:结论先行——**让模型只输出"受 Schema 约束的枚举(必要时附理由)",然后把"是否接受、走哪个分支、还能走几轮"这三项权力留在代码里**。 一个稳妥的分工长这样: ```text ① 分类节点(可含模型调用) 输入:用户请求 / 当前进展摘要 输出:{"intent": "billing" | "technical" | "other"} ← 只允许枚举 约束:Schema 校验失败 → 归到 "other" 并记录一次解析失败 ② 路由函数(纯函数,无模型) 读取 intent + 预算字段 决定:走哪个分支、是否已超预算、是否强制失败 ③ 代码层兜底 步数 / 时间 / 成本上限;超限即进入 failed 或人工处理 ``` 这个分工有三个不可让步的点:**第一,模型只能产出枚举,不能产出节点名或"要不要继续"的指令**,否则一次幻觉就可能把流程导向不存在的节点或无限循环;**第二,解析失败必须有确定的兜底路径**,不能让 `JSONDecodeError` 直接冒泡成 500;**第三,预算永远在代码里**,模型无权突破。 面试里可以用一句话收口:**"我让模型负责'理解',让代码负责'决定'。模型可以告诉我用户想干什么,但不能决定系统怎么走、走多久。"** 这个表述既准确又有记忆点,非常适合作为这类问题的结尾。 ### Q:路由上还有哪些容易忽略的工程约定? A:结论先行——**三条:枚举必须有兜底、分支不能"无出口"、路由函数不要做慢操作**。 **第一,兜底**:现实中的字段可能因为上游异常、旧 checkpoint 恢复等原因取到意料之外的值。虽然 `Literal` 约束了返回值,但输入侧仍可能是脏的,因此路由函数应当把"未知情况"归到最安全的分支(通常是 `failed` 或人工处理),而不是抛异常让整个图崩掉。**第二,无出口**:每个枚举值都必须映射到一个真实存在的节点,并且该节点最终能到达 `END`;否则图会卡死或 `compile()` 失败。**第三,路由要快**:它是纯决策函数,不应在其中调用模型或外部 API——需要模型判断时,应该另设一个"分类节点"先把结论写进 State,路由只读结论。 ## 三、循环的四种退出条件 ### Q:任何循环至少必须同时具备哪四种退出条件? A:结论先行——**成功出口、次数预算、资源预算、失败出口,四者缺一不可**。 | 退出条件 | 含义 | 缺失后果 | |---|---|---| | 成功出口 | 校验通过或任务完成 | 永远无法正常结束 | | 次数预算 | `retry_count` / `step_count` 上限 | 无限重试、成本失控 | | 资源预算 | deadline、token、工具调用数或金额上限 | 慢任务拖垮请求、账单爆炸 | | 失败出口 | 不可恢复错误进入明确 `failed` 状态 | 错误被无限重试掩盖 | 把这四种条件映射到前面那段代码:`publish` 是成功出口,`MAX_RETRIES` 是次数预算,`failed` 是失败出口——但**注意它缺少了资源预算**。这不是疏忽,而是为了保持示例简洁;真实项目里必须补上时间与成本维度。 为什么要强调"至少四种"?因为只设次数上限是不够的:**如果一个节点内部要调用一个很慢的外部 API,那么即使只重试三次,也可能耗掉几十秒甚至几分钟**。只设时间上限同样不够:**如果单次调用很快但循环能跑上千次,token 成本会在你察觉之前就失控**。两个维度是互补的,不是二选一。这是面试里非常经典的一个追问点。 ### Q:资源预算具体怎么实现?为什么说它不能是唯一防线? A:结论先行——**资源预算通常实现成一个纯函数,检查步数、工具调用数和截止时间;但它只是业务层的保护,生产环境还必须在 Worker(工作进程)或请求层设置硬超时**。 ```python import time def budget_exhausted(state: dict) -> bool: return ( state.get("step_count", 0) >= 8 or state.get("tool_calls", 0) >= 5 or time.monotonic() > state["deadline_monotonic"] ) ``` 三个细节值得展开。**第一,多个维度用 `or` 组合**:任一维度耗尽即视为超预算,这样即使某个维度没被正确更新,其他维度仍能兜住。**第二,用 `time.monotonic()` 而不是墙钟时间**:单调时钟不受系统时间调整影响,适合度量"经过了多久"这类时长;把它换算成"绝对截止点"存进 State,可以让判断在重放时保持行为一致。**第三,预算必须是 State 里的字段**:它要能被检查点保存与恢复,否则重启后预算就重置了。 然后是那句最关键的结论:**生产环境还应在 Worker 或请求层设置硬超时;State 中的预算只是业务层保护,不应是唯一防线。** 为什么?因为业务层预算是"软约束"——它假设你的代码总能走到检查点。但如果某个节点死锁了、某个 SDK 挂着不返回,那么"下一次预算检查"根本不会被执行。此时只有外层的硬超时(请求超时、进程级别的取消、队列的可见性超时)能真正终止它。**软约束负责"少花钱、少走冤枉路",硬约束负责"无论如何都要停下来",两者缺一不可。** ### Q:重试应该重试什么?失败和重试的关系怎么理解? A:结论先行——**只重试"可恢复的失败",并且要有退避与上限;不可恢复的失败应当直接走失败出口,而不是靠重试"碰运气"**。 判断"可重试"的依据通常是一个显式标志。在节点里调用外部工具时,把各种异常归一成错误码加一个 `retryable` 布尔值,路由再据此决定"再试一次"还是"直接失败"。这样做的价值在于:**重试决策和错误分类被分离开,重试策略可以统一调整,而不用去改每个工具调用点**。 另外两个实践要点:**一是退避**——连续重试同一个外部服务时,用指数退避加抖动(jitter)能显著降低"大家一起重试把服务打挂"的概率;**二是幂等**——重试可能让同一个副作用被执行两次(尤其是恢复场景下重新执行节点),所以所有副作用必须带稳定的幂等键。这一点在讲持久化与人工审批时会展开。 ## 四、容错:把两类"错误"分开 ### Q:业务失败和程序异常为什么要分开处理?各自该怎么处理? A:结论先行——**业务失败是可预期结果,应该写进 State 并由条件边处理;程序异常是网络中断、SDK bug、数据库不可用等意外,应该记录上下文后由受限重试或降级处理**。 这两类东西在代码里的表现形态完全不同:  *图:业务失败是结论写进 State,程序异常要归一为错误码* ```text 业务失败(expected): "没有检索到文档" / "校验不通过" / "用户未授权" → 是一个正常结论 → 写进 State 字段 → 由条件边决定走向 → 可能走到明确的终态 程序异常(unexpected): 网络中断 / 限流 / SDK bug / 数据库不可用 / 反序列化失败 → 是一个意外 → 捕获、记录上下文、归一为错误码 → 有限重试或 fallback ``` 为什么必须分开?因为**它们的"正确反应"是相反的**。业务失败的正确反应是"接受它、记录它、按业务规则走下一步"——比如没检索到文档,那就走"降级回答"分支,而不是重试十次;程序异常的正确反应是"不要把它当成业务结论"——比如一次网络抖动,绝不能让系统对外宣称"没有找到文档",而应该重试或明确报错。 把异常当业务结论是极其常见的坑:**一次超时被当成"确实没有结果",于是系统给出了一个错误的肯定答复。** 反过来,把业务失败当异常抛,也会让本该正常收尾的流程崩溃。 ### Q:节点里怎么把异常"归一化"为可路由的状态? A:结论先行——**用一个统一的结构:`error_code`(错误码)+ `retryable`(是否可重试)+ `last_error`(上下文),让路由只看这几个字段**。 ```python def invoke_search(state: dict) -> dict: try: documents = search(state["query"]) # 业务工具 except TimeoutError as exc: return { "documents": [], "error_code": "SEARCH_TIMEOUT", "retryable": True, "last_error": str(exc), } if not documents: return { "documents": [], "error_code": "NO_RESULTS", "retryable": False, "last_error": "没有匹配文档", } return {"documents": documents, "error_code": None, "retryable": False} ``` 这段代码里最有价值的是"**成功路径也显式清空错误字段**"这最后一行:`error_code` 置为 `None`。为什么重要?因为循环会把同一个节点跑很多遍,如果上一轮的错误码没被清掉,路由就会基于"上一轮的旧错误"做判断,产生幽灵分支。**所有参与路由的字段,在每次写入时都应当是完整的、不带历史残留的。** 另外注意 `NO_RESULTS` 这一支被标为 `retryable: False`——"没有匹配文档"是业务结论,重试没有意义,直接交给路由走降级路径。而 `SEARCH_TIMEOUT` 标为 `retryable: True`——超时属于可恢复的程序异常,可以在预算内再试。 **需要注意**:`str(exc)` 里可能包含 URL、查询串甚至租户信息,写进 State 前应当做脱敏;这也呼应了"State 会被写进检查点和日志"这条安全约束。 ### Q:重试和幂等是什么关系?为什么恢复场景下必须强调幂等? A:结论先行——**重试会让同一段逻辑执行多次,因此所有会产生副作用的动作都必须是幂等的;而在恢复场景下,节点可能从开头重新执行,幂等更是硬性要求**。 先区分两种"执行多次":**主动重试**是你自己因为失败而决定再跑一次;**被动重放**是框架在恢复时重新执行某个节点。两者都会带来同一个风险——**副作用被执行两遍**。典型副作用包括:扣款、发通知、写生产库、调用外部写接口。 对策是给每个副作用绑定一个稳定的幂等键,例如 `payment:{order_id}`、`ticket-notify:{ticket_id}`。幂等键要满足两个条件:**由业务标识推导、可重复计算**(不能是随机数或时间戳),这样"第一次执行"和"重放时再次执行"算出来的是同一个键,下游系统就能据此去重。 工程上还有两条配套纪律:**其一,重试要有退避和上限**,避免把下游服务打垮;**其二,不可恢复的失败不要重试**,直接走失败出口或人工处理。把这三条合起来就是一句可以背下来的话:**"能重试的前提是幂等,重试的上限是预算,重试的边界是可恢复性。"** ## 五、路由单测与工程实践 ### Q:路由函数怎么测?需要启动模型吗? A:结论先行——**不需要。因为路由被约束在纯函数里,所以可直接构造 State 字典做断言**。 ```python def test_route_stops_at_budget() -> None: state = {"retry_count": 3, "validation_error": "bad format"} assert route_after_validate(state) == "failed" def test_route_repairs_invalid_content() -> None: assert route_after_validate({"retry_count": 0, "validation_error": "bad"}) == "repair" ``` 两个用例分别覆盖了"**预算耗尽优先于错误存在**"和"**有错误且仍有预算则修复**"两条规则。注意第一个用例的价值:它验证的是"判断顺序"这个最容易写错的地方——如果实现里把错误判断写在预算判断前面,这个用例就会失败。 **将决策约束在纯函数中,是让 Agent 图可预测、可审计的关键。** 它的收益是复合的:测试快(毫秒级)、无外部依赖(CI 里稳定)、覆盖全(每个枚举值都能单独断言)。一篇好的路由设计,应当能做到"每个分支都有对应用例,且用例里没有模型、没有网络"。 ### Q:路由与容错相关的高频坑有哪些? A:结论先行——**大致六类:预算判断顺序写反、循环缺资源预算、异常被当业务结论、路由里做慢操作、错误字段没清理、以及分支数增长后缺少集中管理**。 | 坑 | 现象 | 正确做法 | |---|---|---| | 预算判断顺序写反 | 有错误且超预算时仍走修复,循环不退出 | 先判预算,再判错误 | | 只有次数预算 | 慢工具下总耗时失控 | 次数 + 时间 + 成本多维预算 | | 异常被当业务结论 | 超时被当成"没有结果",输出错误结论 | 异常归一为可重试错误码,与业务失败区分 | | 路由里调模型/外部服务 | 路由不可单测、图行为不确定 | 另设分类节点,路由只读 State | | 错误字段不清空 | 幽灵分支、按旧错误路由 | 每次写入都给出完整的新值 | | 分支散落各处 | 新增分支时漏改类型/映射/测试 | 用 `Literal` + path map 集中管理 | 还有一个更隐蔽的坑:**"看起来有失败出口,实际上到不了"**。比如 `failed` 节点确实存在,但路由里没有任何条件返回它——于是图要么死循环、要么卡住。所以上线前应当把"所有终止位置清单"与实际路径一一核对,确认每条都能被触发。 ### Q:如果面试官追问"循环上限设多少合适",怎么答? A:结论先行——**没有通用数字,应该由"任务的最坏合理步数 + 成本可接受度"共同决定,并区分"步数上限"与"时间/成本上限"两个维度**。 给出一个有结构的回答:**先说依据**——统计同类任务在正常情况下的平均步数与长尾步数(比如 P99),把上限设在长尾之上留一点余量;**再说维度**——步数上限防"跑太多圈",时间上限防"单次太慢",成本上限防"单次太贵",三者是不同维度的保险;**最后说处置**——超限时不应静默失败,而要走到明确的 `failed` 或人工介入状态,并把"超限原因"写进 State 与日志,方便后续调参。 面试里最能加分的一句是:**"上限本身也是需要可观测和可迭代的参数——我会把'因预算耗尽而失败'单独打点,如果这个比例异常升高,说明上限设置或任务难度发生了变化。"** ## 小结 - LangGraph 的核心价值是把不确定输出转为可审核、可限制的路由;节点产出事实,条件边决定下一跳。 - 路由决策来源分规则、模型枚举、工具状态三类,原则是"确定性优先",模型的输出必须先被约束成有限枚举。 - 条件边 = 路由函数 + `Literal` 返回值 + path map,三者共同构成可检查的"分支清单"。 - 循环必须有四种退出条件:成功出口、次数预算、资源预算、失败出口;业务层预算不能替代 Worker 层的硬超时。 - 业务失败写进 State 由条件边处理;程序异常先归一为错误码与可重试标志,再交给受限重试或降级。 - 路由是纯函数,可以不启动模型就完成全分支单测;判断顺序(先预算、后错误)是测试的重点。 ## 思考题 1. 如果 `route_after_validate` 把"是否有错误"的判断写在"是否超预算"之前,会观察到什么现象?请构造一个触发它的 State。 2. 只有次数预算、没有时间预算的循环,在调用一个平均耗时 30 秒的工具时会发生什么?请估算最坏情况。 3. 一次工具超时被错误地当成"没有结果",会对最终答复产生什么影响?你能设计一个测试把这类 bug 拦在发布前吗? 4. 为什么路由函数里不应该调用模型?如果确实需要模型判断,应该把它放在图的什么位置? 5. 请为一个"检索 → 总结 → 校验 → 发布"的流程设计完整路由:写出所有枚举值、每个分支的触发条件、以及四种退出条件分别由什么保证。
预览
发布文章
添加摘要让读者更快了解文章内容
取消
确认发布
AI 写作助手
输入一个主题,AI 将为你生成一篇 Markdown 博客文章
AI 正在写作中...
取消
开始生成
AI 优化助手
描述你的修改需求,AI 将在原文基础上进行补充或微调
AI 正在优化中...
取消
开始优化
画布
从已有图里选
✕
图名
保存后生成 /images/excalidraw/<图名>.svg(只能用字母、数字、短横线、下划线、点)
取消
保存并插入