State 与 Reducer：图的状态机基础

State 是图的"血液"

每个节点收到当前 State、返回对 State 的更新。默认语义是按字段覆盖——但你很快会遇到"消息列表要追加而不是替换"的需求，这就需要 Reducer。

Reducer：定义"怎么合并"

from typing import Annotated
from langgraph.graph.message import add_messages

class State(TypedDict):
    messages: Annotated[list, add_messages]   # 追加合并
    query: str                                 # 直接覆盖
    retries: int                               # 直接覆盖

add_messages 是最常用的 Reducer：节点返回的新消息会追加到列表尾部，并自动处理 ID 去重。没有 Reducer 的字段，节点返回即覆盖。

实战要点

• State 尽量小而准：只放流程需要的信息（消息、当前阶段、中间结果），大块资料外置存储只留引用；
• Pydantic 也支持：需要字段校验时用 BaseModel 定义 State；
• 输入/输出分离：StateGraph(schema, input=..., output=...) 可以让图对外只暴露必要字段。

调试状态的正确姿势

app.invoke(initial_state)                # 拿最终状态
for ev in app.stream(initial_state):     # 逐节点观察状态演变
    print(ev)

状态设计是 LangGraph 开发的核心功力：State 画对了，节点就是一堆纯函数，好写好测。