15 langgraph基本组件

好的，以下是 LangGraph 核心六大组件（1~6） 的详细、深入、结构化说明，剔除了子图与可视化等高级/辅助内容，专注于基础构建块的理解与使用。

---

1. State（状态）

1.1 定义与作用

• State 是整个工作流的共享上下文，所有节点读取和更新它。
• 它决定了“系统当前知道什么”以及“下一步能做什么”。
• 所有节点函数接收 State 作为输入，并返回一个局部更新字典，框架自动将其合并到全局状态中。

1.2 类型定义方式

(1) 使用 TypedDict（推荐）

from typing import TypedDict, Annotated
import operatorclass AgentState(TypedDict):messages: Annotated[list, operator.add]   # 消息历史自动追加current_plan: str                         # 当前计划（覆盖式更新）tool_attempts: int                        # 工具调用次数

(2) 使用 Pydantic BaseModel（实验性支持）

注意：截至 LangGraph v0.1.x，官方更推荐 TypedDict + Annotated，因底层依赖对字典操作优化更好。

1.3 字段更新语义（Reducer）

LangGraph 通过 reducer 函数决定如何合并节点返回值到状态：

更新方式	写法	行为
覆盖（默认）	field: str	新值直接替换旧值
追加列表	Annotated[list, operator.add]	state['field'] += new_value
自定义 reducer	Annotated[MyType, my_reducer]	调用 my_reducer(old, new)

✅ 示例：messages 字段通常用 operator.add，确保多轮对话消息累积而非丢失。

1.4 最佳实践

• 状态应尽量扁平，避免深层嵌套（便于调试和 reducer 设计）。
• 所有节点必须只通过返回 dict 修改状态，禁止直接修改传入的 state 对象（因可能被缓存或并行处理）。

---

2. Node（节点）

2.1 基本概念

• 节点是纯函数（或可调用对象），代表一个逻辑步骤。
• 输入：当前完整 State
• 输出：dict，表示对状态的增量更新

2.2 节点函数签名

def my_node(state: StateType) -> dict:# 读取 statelast_msg = state