AutoGPT Condition（条件判断）Block 实战指南：基于比较运算符在 Agent 工作流中实现数据分支路由

条件判断是任何可编排工作流（Workflow）中都不可或缺的控制流原语。本指南以 AutoGPT Platform 内置的 Condition Block（条件判断块）为核心，完整讲解它的输入/输出契约、六种比较运算符的真实语义、字符串数值的自动转型行为，并结合源码实现与兄弟块 If Input Matches 给出可直接落地的分支路由方案。读完你将能够在 AutoGPT 图形化 Agent 中，用最小节点搭建"判断 → 走 Yes 分支 / No 分支"的可视化逻辑，并能准确理解该块底层求值行为与文档不一致的兜底细节。

一、Condition Block 是什么：AutoGPT 中的逻辑控制流组件

根据官方文档 branching.md 的定义，Condition Block 是一个逻辑（Logic）类组件：它在两个值之间执行一次比较运算，根据运算结果产生对应的分支输出。从功能定位看，它是 AutoGPT Platform 工作流里实现"规则化分支"的标准节点，属于整个逻辑类块家族（logic.md）中的一员，与 Calculator、Count Items、Data Sampling、Step Through Items、If Input Matches 等块并列。

它的落地实现位于平台后端 branching.py。源码中的关键元信息如下：

• 类名：ConditionBlock，继承自块框架基类 Block；
• 所属分类：BlockCategory.LOGIC（逻辑类）；
• 固定块 ID：715696a0-e1da-45c8-b209-c2fa9c3b0be6（工作流持久化依赖该 ID 引用此块）；
• 块描述："Handles conditional logic based on comparison operators"。

在文档与产品形态层面，该块与另一个基于大模型（LLM）做判断的 AI Condition Block 相互补充：AI 条件块适合"语义化、模糊、需要推理"的分支判断，而本块适合"确定性强、规则清晰"的比较运算。这一分工可以从 ai_condition.py 的源码注释中得到印证：AIConditionBlock 明确说明它"提供与标准 ConditionBlock 相同的 yes/no 数据透传功能"（provides the same yes/no data pass-through functionality as the standard ConditionBlock）。

二、工作流程：比较求值 → 布尔结果 → 双路输出路由

结合文档与 run() 实现，Condition Block 的单次执行过程可以拆成三步：

1. 取参：读取两个待比较值 value1、value2 与一个比较运算符 operator；
2. 求值：用所选运算符对两个值做比较，得到布尔结果 True 或 False；
3. 路由输出：无论结果如何，都会先输出一次 result（布尔值）；随后仅当条件为真时产出 yes_output 分支，仅当条件为假时产出 no_output 分支。

源码以生成器（yield）形式逐条发出输出，其执行语义与文档描述一致："根据比较结果输出布尔值，并给出对应的真/假分支值"。需要特别留意的是：单次运行里 yes_output 与 no_output 只有其一会被产出，这决定了你在画布上连接下游节点时，两条分支连线天然互斥，这正是"条件路由"能成立的根本原因。

三、支持的比较运算符（源码级枚举）

Condition Block 支持的运算符并非自由文本，而是由代码中的 ComparisonOperator 枚举严格约束（branching.py）。可选项共 6 个，覆盖等值与大小比较两大家族：

运算符	枚举成员	含义
==	EQUAL	等于
!=	NOT_EQUAL	不等于
>	GREATER_THAN	大于
<	LESS_THAN	小于
>=	GREATER_THAN_OR_EQUAL	大于等于
<=	LESS_THAN_OR_EQUAL	小于等于

在运行时，run() 通过一张"运算符 → 比较函数"的映射表（branching.py）将用户选择的符号翻译成底层 lambda 比较：

EQUAL → lambda a, b: a == b
GREATER_THAN → lambda a, b: a > b
GREATER_THAN_OR_EQUAL → lambda a, b: a >= b
LESS_THAN → lambda a, b: a < b
LESS_THAN_OR_EQUAL → lambda a, b: a <= b
NOT_EQUAL → lambda a, b: a != b

如果参与比较的两个值在所选运算符下无法比较（例如一个数字与一个结构上不兼容的对象直接做 > 运算），块不会静默失败，而是抛出 ValueError("Comparison failed: ...") 异常（见 branching.py），异常原因会透传给上层工作流用于调试。

四、输入字段详解

下表继承文档定义并补充了源码（Input 模式）中的默认值与取值约束：

输入字段	类型	必填	说明
Value 1	任意（数字 / 文本 / 布尔）	是	参与比较的第一个值；UI 占位提示如 10、'hello'、True
Operator	枚举（6 种运算符）	是	要执行的比较运算，见上文运算符表
Value 2	任意（数字 / 文本 / 布尔）	是	参与比较的第二个值；占位提示如 20、'world'、False
Yes Value	任意	否（默认 None）	条件为真时输出的值；不填则回退为转换后的 Value 1
No Value	任意	否（默认 None）	条件为假时输出的值；不填则回退为转换后的 Value 2

补充说明两点实战语义：

• 字符串的智能转型：在比较前，run() 会对 value1 / value2 做一次预处理（branching.py）——若输入是字符串，先去除首尾空白；若去除空白后的文本能被 float() 解析，就将其转换为浮点数参与比较，否则保留为清理后的字符串。这意味着：
  • 传入 "10" 与传入 10 在数值比较上是等价的，"10" < "9" 这类字符串字典序陷阱会被避免；
  • 传入 "hello" 这类无法转数字的文本时，则按字符串原样参与运算。
• 比较失败的边界：两个值类型差异过大、运算符无法作用于当前组合时，会触发上文所述的 ValueError。

五、输出字段详解

输出字段	类型	说明
Result	布尔值	条件是否成立（True / False），每次运行都会产出
Yes Output	任意	条件为真时的输出；填了 Yes Value 则输出该值，否则回退为 Value 1
No Output	任意	条件为假时的输出；填了 No Value 则输出该值，否则回退为 Value 1

⚠️ 值得注意的源码与文档差异：关于 No Value 的兜底，当前文档（以及输入字段的 Schema 描述文本）均写作"若未提供则使用 Value 1"，但查看当前快照下 run() 的实际回退逻辑（branching.py）会发现：yes_value 缺省时回退的是 Value 1，而 no_value 缺省时实际回退的是 Value 2：

yes_value = input_data.yes_value if input_data.yes_value is not None else value1
no_value  = input_data.no_value  if input_data.no_value  is not None else value2

也就是说，按当前代码行为，当条件为假且你未填写 No Value 时，no_output 会输出 Value 2 而非文档所述的 Value 1。在设计工作流时若两条分支都依赖"缺省透传输入值"，建议显式填写 Yes Value / No Value，避免依赖文档描述与实现之间的这一偏差。

六、内置测试用例：最直接的运行验证

ConditionBlock 在构造时内嵌了一组测试输入/期望输出（branching.py），这是理解其行为的最快路径，也可作为你自己搭工作流时的等价参考：

• 测试输入：value1 = 10，operator = ">"，value2 = 5，yes_value = "Greater"，no_value = "Not greater"；
• 期望输出：result = True 且 yes_output = "Greater"。

该用例验证了最典型的"数值阈值 + 自定义分支文案"场景：由于 10 > 5 成立，块产出布尔 True，并把 Yes 分支的 "Greater" 沿 yes_output 传出，no_output 不产出。

七、典型实战场景

场景一：客户忠诚度折扣判定（文档原生示例）

沿用 branching.md 的完整案例：在客户忠诚度程序中判断客户是否达到折扣门槛。

1. 将 Value 1 接客户累计消费金额；
2. 将 Operator 选为 >=（greater than or equal to）；
3. 将 Value 2 填门槛金额（如 100）；
4. 将 Yes Value 填 "Qualified for discount"（符合折扣资格）；
5. 将 No Value 填 "Not qualified"（不符合）。

随后把 yes_output 连向"发放折扣"的下游处理，把 no_output 连向"继续跟进"的另一条路径，即可完成资格分流与消息下发的双路路由。

场景二：更广泛的规则化分支模式

logic.md 为逻辑类块归纳了三类可直接迁移到 Condition Block 的高频用法：

• 阈值检查（Threshold Checks）：当数值越过上限时切换流程，例如"订单金额 > 100 触发人工审批"；
• 状态校验（Status Validation）：判断状态值是否等于 "complete" 或 "error"，据此走向成功/失败处理分支；
• 数值比较（Numeric Comparisons）：对比得分、计数或指标，按大小关系条件性触发后续动作。

八、姊妹块：If Input Matches（输入匹配）

在条件类逻辑中，除了支持 6 种运算符的 Condition Block，AutoGPT 还内置了仅做相等判断的 If Input Matches 块（IfInputMatchesBlock，块 ID 6dbbc4b3-ca6c-42b6-b508-da52d23e13f2，同样位于 branching.py）。它的定位（logic.md）与 Condition Block 互补：

• 输入：input（待匹配的值）、value（目标匹配值）、可选的 yes_value / no_value；
• 工作方式：当 input == value 时输出 result = True 并给出 yes_output，否则输出 result = False 并给出 no_output；
• 特有的类型宽容机制：当两个值不相等且类型不同时，块会尝试把 value 转换成 input 的类型后再比较（复用 util/type.py 的 convert 逻辑 的 convert() 函数），转换失败则保持原值比较——这让"把字符串 '10' 与数字 10 判为相等"成为可能。

内置测试集（branching.py）覆盖了三种典型情况：数值相等（输出 True / yes 分支）、数值不相等（输出 False / no 分支）、以及 value 传入 "None" 字符串与 input=10 不匹配的容错场景。

它的典型应用包括按类别路由、特性开关（feature flag）判断、以及基于 pending / approved / rejected 等状态值的流程分支——凡是"判定输入是否等于某个精确取值"的场景，用它比用完整比较表达式更直白。

九、两类条件块的分工小结与选用建议

综合源码与文档，AutoGPT 平台实际提供了三种互补的"分支判断"能力，你可以按确定性程度选用：

能力	实现位置	判断方式	适用场景
Condition	branching.py 中的 ConditionBlock	6 种比较运算符（==/!=/>/</>=/<=）	数值阈值、状态等值、大小关系的确定性规则分支
If Input Matches	branching.py 中的 IfInputMatchesBlock	单值相等（带类型转换宽容）	类别路由、精确取值匹配、特性开关
AI Condition	ai_condition.py 中的 AIConditionBlock	大模型语义判断	无法用规则表达的模糊、语义化决策

实践建议：能用规则表达的判断优先使用 Condition / If Input Matches，它们确定性强、零模型成本、便于测试复现；只有当判断本身依赖语义理解（如"这段文本情绪是否积极"）时才应升级到 AI Condition。三者的输出侧结构一致（result + yes/no 分支透传），因此后续节点的接线方式完全相同，替换判断块不会破坏你已搭好的分支图。