lang graph 的 State Reducer
State Reducer什么是State ReducerState Reducer 是 LangGraph 中用于合并状态更新的核心机制。在 LangGraph 的StateGraph中每个节点可以读取和写入共享状态而 Reducer 定义了如何将多个节点对同一状态键的更新合并Reducer 的核心特征函数签名(Value, Value) - Value接收当前值和更新值返回合并后的新值注解定义通过Annotated[Type, reducer_function]为状态键指定 Reducer默认行为未指定 Reducer 的状态键使用覆盖策略Last-Write-Wins如何定义Reducer定义Reducer函数Reducer 本质上是一个二元合并函数用于定义当同一个字段产生多个更新值时LangGraph 应该如何将这些值合并为一个最终结果。函数签名(Value, Value) - Value示例代码如下defmy_reducer(left:list[str],right:list[str])-list[str]:returnleftright left[a,b]right[c]print(my_reducer(left,right))其中my_reducer用于处理list[str]类型的数据。它接收两个列表参数left当前已累计的状态值right本次待合并的新值。函数内部通过left right将两个列表合并并返回合并后的结果。因此该 Reducer 的作用是当某个状态字段存在多次列表更新时将这些列表内容追加合并而不是直接覆盖原值。运行结果如下[a, b, c]将Reducer和状态字段关联在 LangGraph 中Reducer 通常通过 Python 的typing.Annotated与状态字段进行关联。Annotated[]是 Python 提供的一种类型注解扩展机制用于在原始类型之外附加额外的元数据信息。需要注意的是Annotated[]本身并不规定这些元数据的具体含义它只负责在类型注解中保留这些信息。严格来说Annotated的第一个参数是被注解的原始类型后续参数是附加的元数据。至于这些元数据表示什么、如何解析则由使用它的框架或工具自行决定。在 LangGraph 中框架利用这一机制将状态字段的类型和 Reducer 规则同时声明在字段定义中。其基本形式如下Annotated[Type,reducer_function]其中Type表示状态字段的数据类型reducer_function表示该字段对应的 Reducer 函数。示例代码如下from typing import TypedDict, Annotated class OverAllState(TypedDict): logs: Annotated[list[str], my_reducer] cur_id: str在上述代码中logs字段的类型是list[str]my_reducer是与logs字段关联的 Reducer 函数当多个节点同时更新logs字段时LangGraph 会使用my_reducer将多个列表合并cur_id字段没有指定 Reducer因此采用默认更新规则。常用内置Reducer函数1. operator.addoperator.add是 Python 内置的加法操作函数底层由 C 实现它接收两个参数等价于a第一个参数b第二个参数代码如下fromoperatorimportaddprint(f{add(1,2)})print(f{add([1,2],[3,4])})print(f{add([a,b],[c])})输出如下add(1,2) 3 add([1,2], [3,4]) [1, 2, 3, 4] add([a,b], [c]) [a, b, c]langgraph.graph.message.add_messagesadd_messages是 LangGraph 中专用于合并消息列表的 Reducer 函数常用于维护对话历史类的状态字段。其函数签名如下defadd_messages(left:Messages,right:Messages,*,format:Literal[langchain-openai]|NoneNone,)-Messages:...returnmerged参数说明left状态中已有的消息列表right当前节点返回的消息更新值format可选参数用于指定返回消息的格式通常无需手动设置。left与right的类型均为Messages。Messages可以理解为 LangChain 消息对象的列表其中每个元素都是BaseMessage或其子类的实例常见子类包括HumanMessage用户的输入消息AIMessageAI 的回复消息SystemMessage系统提示消息ToolMessage工具调用的结果消息。add_messages处理的是对话消息序列而非普通的字符串列表。BaseMessage包含一个可选的id属性用于唯一标识一条消息。add_messages在合并left与right时不是简单地执行列表拼接而是依据消息的id进行合并若right中的某条消息的id在left中不存在则将该消息追加到结果列表末尾若right中的某条消息的id与left中已有消息的id相同则使用right中的新消息替换left中的旧消息。因此add_messages的作用可以概括为在保留历史消息的基础上追加新消息并允许通过相同的消息id覆盖已有消息。需要特别说明add_messages并非简单地对left与right求“并集”。更准确地说它是一个基于消息id的消息列表合并函数既支持追加新消息也支持更新已有消息。可以理解为mergedleftright但若right中存在与left相同id的消息则最终结果中不会出现重复消息而是用right中的消息覆盖left中对应的旧消息。示例代码如下fromlanggraph.graph.messageimportadd_messagesfromlangchain.messagesimportHumanMessage,AIMessage,SystemMessage left[SystemMessage(content你是个善解人意的助手,id1),HumanMessage(content你好,id2),AIMessage(content你好~,id3),]right[HumanMessage(content我是老王你是小王,id2),AIMessage(content好的我记住啦,id3),HumanMessage(content你是谁,id4),AIMessage(content我是小王,id5),]mergedadd_messages(left,right)formsginmerged:print(msg)输出如下content你是个善解人意的助手 additional_kwargs{} response_metadata{} id1 content我是老王你是小王 additional_kwargs{} response_metadata{} id2 content好的我记住啦 additional_kwargs{} response_metadata{} id3 tool_calls[] invalid_tool_calls[] content你是谁 additional_kwargs{} response_metadata{} id4 content我是小王 additional_kwargs{} response_metadata{} id5 tool_calls[] invalid_tool_calls[]默认行为如果某个 State 字段没有显式定义ReducerLangGraph 会使用默认的状态更新行为后一次更新值会覆盖该字段原有的状态值。换句话说当节点返回的更新结果中包含某个字段时如果该字段没有配置 ReducerLangGraph 不会对新旧值进行追加、合并或累加而是直接使用本次返回的新值替换原来的旧值。示例代码如下fromlanggraph.graphimportStateGraph,START,ENDfromtypingimportTypedDictclassOverAllState(TypedDict):logs:list[str]id:strdefnode_a(state:OverAllState):return{logs:[node_a],id:node_a}defnode_b(state:OverAllState):return{logs:[node_b],id:node_b}builderStateGraph(state_schemaOverAllState)builder.add_node(node_a,node_a)builder.add_node(node_b,node_b)builder.add_edge(START,node_a)builder.add_edge(node_a,node_b)builder.add_edge(node_b,END)graphbuilder.compile()resultgraph.invoke({logs:[START],id:start})print(*30,- result -,*30)print(result)输出如下 - result - {logs: [node_b], id: node_b}可以看到logs字段和id字段都没有定义Reducer因此节点返回的新值会覆盖初始状态中的旧值图运行结果中的状态值和最后一次更新保持一致。

相关新闻

Win版Claude Cowork:AI员工提升办公效率全解析

Win版Claude Cowork:AI员工提升办公效率全解析

1. Win版Claude Cowork深度解析:AI员工如何重塑工作效率最近在技术圈热议的Claude Cowork Windows版本,确实给日常办公带来了革命性改变。作为长期关注AI生产力工具的技术博主,我第一时间入手测试了这个号称"140元雇个全职AI员工"的…

2026/11/14 18:28:11 阅读更多 →
LangChain RAG | 主流向量数据库分类详解

LangChain RAG | 主流向量数据库分类详解

向量库四大分类总览 1、嵌入式轻量向量库(单机本地、零部署、原型开发首选) 代表:Chroma、FAISS定位:无需单独启动服务,Python 代码内直接运行,文件持久化,仅支持单机,适合本地测试…

2026/11/18 5:37:45 阅读更多 →
Chrome DevTools MCP:AI驱动的浏览器自动化调试工具

Chrome DevTools MCP:AI驱动的浏览器自动化调试工具

1. Chrome DevTools MCP 简介与核心价值 Chrome DevTools MCP(Model-Context-Protocol)是一个让AI编码助手能够控制和检查实时Chrome浏览器的工具集。它作为MCP服务器运行,为AI编程助手提供了完整的Chrome DevTools能力,包括自动…

2026/11/21 19:07:08 阅读更多 →

最新新闻

Electron桌面应用开发实战:从环境搭建到打包发布全流程

Electron桌面应用开发实战:从环境搭建到打包发布全流程

做前端这些年,我大部分时间都在跟浏览器标签页打交道,直到第一次把桌面应用跑起来,才发现原来自己一直被限制在地址栏和刷新按钮围起来的框框里。Electron这个词,最开始是在某段时间频繁出现在同事的讨论里,一个用HTML…

2026/11/21 23:27:35 阅读更多 →
滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

简介:亚太天能T109滑盖智能锁产品说明书是一份PDF格式的官方技术文档,主要面向智能锁安装人员、终端用户及售后维护者,帮助快速掌握产品安装、配置与常见故障处理。全包仅1个PDF文件,大小4.37MB,内容结构清晰&#xff…

2026/11/21 23:27:35 阅读更多 →
PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

上个月我在调试一台高速AGV的驱动系统,整车要求空载跑到8m/s,电机转速已经拉到额定点,驱动器的输出电压也顶到了母线电压极限附近。再往上踩速度指令,转速纹丝不动,三相电流反而开始震荡。那会儿我的第一反应就是&…

2026/11/21 23:27:35 阅读更多 →
C++核心知识点:从内存管理到STL的实战指南

C++核心知识点:从内存管理到STL的实战指南

C 这门语言我前前后后折腾了十几年,用它写过嵌入式驱动、做过游戏服务端,也搭过基础组件库。每次看到新人一头扎进"C 核心知识点"这个搜索词,我其实挺感慨的——这门语言的难点从来不是语法多,而是知识点之间的耦合太深…

2026/11/21 23:27:35 阅读更多 →
T109滑盖智能锁怎么装?安装调试与故障排查全攻略

T109滑盖智能锁怎么装?安装调试与故障排查全攻略

简介:亚太天能T109滑盖智能锁产品说明书以PDF格式发布,适合智能锁用户、安装人员与售后维修人员阅读。内容围绕T109系列指纹密码刷卡锁展开,先介绍前面板、后面板、锁体、机械钥匙、电池盒盖等部件名称与功能,再给出完整安装步骤&…

2026/11/21 23:27:36 阅读更多 →
LLM知识降熵:从信息垄断到理解权下放

LLM知识降熵:从信息垄断到理解权下放

你有没有过这种经历:翻开源码注释、论文摘要或者一份专业报告,每个字都认识,连在一起却像天书。想找人聊聊,身边要么没人懂,要么懂的懒得跟你解释。后来我试着把同一段内容丢给一个大语言模型,几秒钟之后&a…

2026/11/21 23:27:37 阅读更多 →

日新闻

周新闻

月新闻