关于langgraph中的数据传递——使用State和config传递数据 原创

“ 数据通讯是系统开发中的重要环节，而Langgraph有其特有的设计哲学。”

在项目开发中，数据传递一直是一个很重要的环节，毕竟任何系统的开发逻辑最终的目的都是实现数据的有效操作，包括查询，修改，新增等。

而在大模型应用场景中，数据的传递又是什么样的呢？怎么解决？

langgraph中的数据传递

在Langgraph中State是贯穿整个生命周期的数据结构，其作用就是用来保存智能体执行过程中的数据；因此，在Langgraph中的几个重要组件中都会使用到State中的数据，除了边之外。

在Langgraph的节点中，可以接收一个State参数，其中保存有用户的输入，模型执行的结果，工具调用的结构等等多种数据。然后在节点中就可以通过state获取执行过程中的数据进行下一步处理。

然后节点执行完成之后，把执行结果再次保存到State中，之后传递到下一个节点。

当然，在节点中操作State是一个很正常的操作，那怎么在工具中获取到这些参数呢？

这里的工具指的不是工具节点，因为工具节点的本质还是节点，因此可以正常对State进行操作；但在@tool注解实现的具体工具方法里，能获取到Sta te中的参数吗？

举例来说，你的业务场景中需要在上一个节点先对请求参数进行处理，然后再工具节点中使用这个参数；那么怎么把上一个节点中的数据传入到具体的工具中？

这个就要用到Langgraph提供的，InjectedState参数，可以在具体的工具中通过InjectedState获取参数。

params: Annotated[list, InjectedState("params")

解决了节点和工具中的通讯问题，那么再把我们指定的值传入到智能体中呢？毕竟类似于user_id等参数我们希望的是能够根据不同的用户进行区分，而不是由模型来生成用户参数；所以，面对这种参数，怎么进行通讯？

在Langgraph中也提供了固定参数的传参，使用的是RunnableConfig，在调用智能体时，只需要传入config参数，即可在智能体中的任何地方获取此参数。

如下所示：

如下，在节点中通过config: RunnableConfig即可获取到用户传入的数据。

有了这些数据通讯之后，就可以根据不同的执行结果进行相应的处理。

但在Langgraph中使用State进行数据通讯还一个需要注意的点是，State有多种处理方式，比如说追加，覆盖等；这些不同的处理方式会获得不一样的结果。

如在messages中一般情况下会使用追加的方式，也就是把每个节点的执行结果追加到messages列表中，这样就可以保存整个智能体的整个生命周期的执行过程。

当然，可能存在一些公共参数，不同的节点执行过后需要覆盖掉之前的值，而这个就可以使用覆盖的方式进行处理；而在Langgraph中负责处理这部分功能的是Reducers函数。

Reducers 是理解节点更新如何应用于 ​​​State​​​ 的关键。​​​State​​​ 中的每个键都有其自己的独立 reducer 函数。如果未明确指定 reducer 函数，则假定对该键的所有更新都应覆盖它。

本文转载自​​​AI探索时代​​​ 作者：DFires