LangGraph 的状态管理机制是如何工作的？

1. 状态 schema 定义

LangGraph 的状态通过类型化的数据结构定义，支持 TypedDict、Pydantic BaseModel 或 dataclass。TypedDict 是最常用的方式，性能最优；Pydantic 提供递归数据验证但性能略低。每个节点的输入和输出都遵循状态的 schema，确保类型安全。从 LangGraph 1.0 开始，官方推荐使用 Pydantic BaseModel 定义状态；Pydantic v3 的验证性能相比 v2 有显著提升，适合生产环境使用。

2. 通道与 Reducer

状态中的每个键对应一个通道（Channel），通道决定了当多个节点同时写入同一字段时如何进行合并。常见的 reducer 包括：add_messages（追加模式，用于消息历史累加）、last_value（覆盖模式，用于标量值）、merge（字典合并）和自定义 reducer。开发者可以通过 Annotated[..., reducer] 语法为每个状态键指定合并策略，避免并发写入时的数据冲突。

3. 子图和模块化状态

LangGraph 支持子图（Subgraph）机制，可以将复杂的 Agent 拆分为多个独立的子状态机。子图作为一个整体节点嵌入父图中，通过定义的输入/输出 schema 与父图通信。这种模块化设计允许不同团队各自开发子图模块，最后组装成完整系统，也便于单元测试和复用。

4. 上下文 Schema

除了状态之外，LangGraph 还支持 context schema，用于注入运行时不变的上下文数据（如 user_id、数据库连接等）。context 对所有节点可见但不可修改，适合传递只读的配置信息，避免了将这些数据放入可变状态中带来的复杂度。