理解 LangGraph 状态流转：State、Node 与 Reducer 如何协作

在普通函数中，参数与返回值通常足以描述数据流；但进入多步骤的智能体工作流后，用户输入、工具结果和中间结论需要持续共享。LangGraph 用 State 保存上下文，由 Node 产生局部更新，再交给 Reducer 决定合并方式。理解这套运行模型，是正确组织复杂流程的基础。

这一篇只解决一个问题：

LangGraph 中的数据是如何在节点之间流转的？

不要先背 API，先理解它的运行模型。

---

1. 为什么 Agent 需要 State？

普通函数：

function add(a, b) {
  return a + b;
}

数据通过参数传递：

输入
 ↓
函数
 ↓
输出

但是 Agent 工作流：

用户输入

↓

分析任务

↓

调用工具

↓

获取结果

↓

总结回答

中间会产生大量数据：

例如：

{
  question:"查询订单",
  userId:"1001",
  orderInfo:{},
  toolResult:"",
  answer:""
}

这些数据需要在不同步骤之间共享。

所以 LangGraph 引入：

State（状态）

---

2. State 是什么？

State 可以理解为：

整个 Graph 执行过程中的共享数据对象。

例如：

{
  query:"",
  answer:""
}

流程开始：

State

{
 query:"1+2",
 answer:""
}

经过节点：

Node

↓

更新 State

↓

{
 query:"1+2",
 answer:"3"
}

---

3. 如何定义 State？

LangGraph 使用：

Annotation.Root()

定义状态结构。

例如：

const StateAnnotation = Annotation.Root({

  query: Annotation({
    reducer: (_prev,next)=>next,
    default:()=> ""
  }),

  answer: Annotation({
    reducer: (_prev,next)=>next,
    default:()=> ""
  })

});

表示：

我们的 State 有两个字段：

State

├── query
└── answer

---

4. Node 是什么？

Node 就是一个执行步骤。

本质：

(state)=>update

例如：

const answerNode = (state)=>{

  return {
    answer:`你的问题是:${state.query}`
  }

}

输入：

{
 query:"hello",
 answer:""
}

返回：

{
 answer:"你的问题是:hello"
}

---

注意：

Node 不直接修改 State。

错误：

state.answer="xxx"

LangGraph 推荐：

return {
 answer:"xxx"
}

为什么？

因为 LangGraph 会统一管理：

• 状态更新
• 状态合并
• 历史保存

---

5. Node 返回的是完整 State 吗？

不是。

这是很多人的第一个疑惑。

比如：

当前 State：

{
 query:"hello",
 answer:""
}

Node：

return {
 answer:"你好"
}

不是变成：

{
 answer:"你好"
}

而是：

LangGraph 合并：

{
 query:"hello",
 answer:"你好"
}

所以：

Node 返回的是 State 的部分更新。

---

6. Reducer 是干什么的？

问题：

如果多个节点修改同一个字段怎么办？

例如：

两个节点：

Node1：

return {
 messages:["hello"]
}

Node2：

return {
 messages:["world"]
}

最终：

messages?

怎么办？

这就是 Reducer 的作用。

---

覆盖模式

默认：

(prev,next)=>next

表示：

新的覆盖旧的。

例如：

之前：

answer:"A"

节点返回：

answer:"B"

结果：

answer:"B"

---

累积模式

聊天记录：

messages: Annotation({

 reducer:(prev,next)=>[
   ...prev,
   ...next
 ]

})

第一次：

[ "你好"]

第二次：

[ "你好", "你好，请问..."]

---

7. 一个完整 Demo

状态：

const StateAnnotation = Annotation.Root({

 text:Annotation({
   reducer:(prev,next)=>next,
   default:()=> ""
 })

});

节点：

const step1=(state)=>({

 text:`${state.text}->step1`

});


const step2=(state)=>({

 text:`${state.text}->step2`

});

流程：

START

↓

step1

↓

step2

↓

END

输入：

{
 text:"hello"
}

执行：

第一次：

hello

↓

hello->step1

第二次：

hello->step1

↓

hello->step1->step2

最终：

{
 text:"hello->step1->step2"
}

---

8. 用一句话理解 State + Node

不要记 API。

记这个模型：

当前 State

    ↓

Node读取

    ↓

Node返回部分更新

    ↓

Reducer合并

    ↓

新的 State

    ↓

下一个 Node

---

总结

LangGraph 的状态模型：

概念	作用
State	保存整个工作流的数据
Node	执行任务并返回状态更新
Reducer	决定状态如何合并
Annotation	定义 State 结构

一句话：

LangGraph 通过 State 在节点之间传递上下文，Node 负责产生状态更新，Reducer 负责控制更新方式，从而让整个 Agent 工作流能够持续演进。