'''将子图作为节点添加到父图'''from langgraph.graph import StateGraph, START, ENDfrom typing import TypedDict# . 状态定义class ParentState: parentmessages: list # 与子图共享数据class SubgraphState: parentmessages: list # 与父图共享数据 submessage: str # 子图私有数据# . 定义子图节点函数def subgraphnode -> SubgraphState: """子图节点处理逻辑：修改共享数据+设置私有数据""" # 向共享的parentmessages中添加内容 state.appendO") # 设置子图私有数据 state = "subgraph private message" #print return state# . 定义父图节点函数def parentnode -> ParentState: """父图初始节点：初始化共享数据""" if not state.get: state = state.append return state# . 构建子图def buildsubgraph -> StateGraph: """构建并返回编译后的子图""" subbuilder = StateGraph subbuilder.addnode subbuilder.addedge subbuilder.addedge # 子图执行完指向结束 return subbuilder.compile# . 构建父图def buildparentgraph -> StateGraph: """构建并返回编译后的父图""" builder = StateGraph # 添加父图初始节点 builder.addnode # 将子图作为节点添加到父图，添加子图添加为父图的节点 builder.addnode # 父图中存储的是编译好的SubGraph对象，而不是SubGraphState的实例。 这需要注意。 所以这里直接使用编译好的SubGraph对象。 # 父图执行流程：START -> parent_node -> subgraph_node -> END \tRu果目标是把一个编译好的SubGraph作为父节点的子节点，那么需要进行一些额外的处理。 比如在build\_parent\_graph中，需要先创建一个空的ParentState，然后通过一些逻辑将编译好的compiled\_subgraph的信息填充到这个空的ParentState中。 但在这个例子中，我们选择直接把编译好的SubGraph作为一个独立的节点添加到父图中。 \t实际上，LangGraphgeng倾向于使用代理节点来连接不同的状态空间，而不是直接将一个状态作为另一个状态的子节点。 这种设计Ke以geng灵活地处理不同类型和结构的状态空间之间的交互关系。 \t比如说我们Ke以创建一个代理节点，这个代理节点的输入是父节点的当前状态，输出是调用了子图中特定节点的响应结果。 然后这个代理节点就Ke以被其他状态所调用。 \t这样的话，我们Ke以将整个系统设计成一个模块化的组件集合，每个组件负责处理特定的任务。 这种设计Ke以提高系统的可维护性和可 性。 \t另外一种思路是使用多层级的状态空间来表示不同的任务流程。 例如我们Ke以创建一个包含多个任务的任务调度器，每个任务dou对应一个特定的状态空间。 然后任务调度器Ke以根据当前的状态和任务的优先级来决定下一个要执行的任务。 \t这种多层级状态空间的表示方法Ke以geng好地组织复杂的系统流程。 \t当然了在实际应用中还需要根据具体的需求进行调整和优化。 \t总而言之，LangGraph提供了一个强大的工具集来构建复杂的、跨领域的应用。 通过使用代理节点、多层级状态空间等技术手段，开发者Ke以灵活地组合不同的组件来实现各种各样的功Neng。 \t对于那些想要了解geng多关于LangGraph的信息的人来说我强烈建议他们查阅官方文档和示例代码。

核心逻辑解释

核心方案：父子图状态不同时通过父图的代理节点而非直接添加子图节点，手动完成「父状态→子输入」转换、调用子图、「子输出→父状态」映射；关键要点：代理节点必须接收父图状态、返回父图状态、调用编译器生成的SubGraph对象；灵活性：该模式可适配任意结构的父子图状态。

代理节点核心作用

步骤1：从 父图中获取当前的状态信息 。 步骤2：将提取到的信息转换为适用于 子图中分析逻辑 的输入格式 。 步骤3：手动调用编译好的 子 图 ` 方法)。 步骤4：从 子 图获取结果 。 步骤5：将 子 图的结果映射回 父 图的状态 。

'''从点调用到组, 本案例是 LangGraph 中跨组的状态交互的标准Zuo法。核心逻辑解释. 状态结构差异设计父组状态：仅包含 user_query和 final_answer，聚焦业务层；组态：包含 analysis_input、analysis_result、intermediate_steps，聚焦分析层；两者无重叠字段，完全独立，必须通过代理点手动转换。. 代理点核心作用   步骤1：从组状→组态输入,提取组状的user_query,转换为组态需要的analysis_input   步骤2：手动调用编译后的组态   步骤3：组态输出→组状状态核心方案：   同上, 父副树不同时, 通过副树的点而非直接增加副树点, 手动完成「副状→副输入」转换、调用副树、「副输出→副状状态」映射;关键要点： 代理点必须接收副树状表态、返回副树表态、调用编译器生成的SubGroup对象;灵活性： 该模式可适配任意结构的副树表态,只需在代理点中自定义转换逻辑'''from langgraph.graph import StateGraph, START, ENDfrom typing import TypedDict
===================== . 定义不同结构的父祖表态 ======================# 父祖表态：class ParentState:
user_query：：用户输入的查询
final_answer：：由祖表处理后的Zui终结果
祖表表态：class SubgroupState:
analysis_input：：分析输入
analysis_result：：分析结果
intermediate_steps：：中间步骤 ===================== . 定义小组核心逻辑 ======================def subgroup_analysis_node -> SubgroupState:
 # 模拟小组的分析过程
 query = state
 state = 
 state = f"针对「{query}」的分析结果: 这是小组处理后的内容"
 return statedef build\ subgroups -> StateGraph:
 subgroup\ builder = StateGraph
 subgroup\ builder.add\ node
 subgroup\ builder.add\ edge
 subgroup\ builder.add\ edge
 return subgroup\ builder.compile
'''从点调用到组本案例是 LangGraph 中跨组成的标准Zuo法。核心逻辑解释.
 '''from langgraph.graph import StateGraph, START, ENDfrom typing import TypedDict
class ParentState:
 userQuery: str
 finalAnswer: str | None
class SubgroupState:
 analysisInput: str
 analysisResult: str
 intermediateSteps: list

def subgraphAnalysisNode-> SubgroupState :
 query : str = state
 state.append
 state.append
 state.append
 state = '针对' + query + '的分析结果'
return state
def buildSubgraph -> StateGraph :
 subBuilder= StateGraph
subBuilder.addNode 
subBuilder.addNode 
subBuilder.addEdge 
subBuilder.addEdge 
return subBuilder
def buildParentGroup -> StateGroup :
builder= StateGroup 
builder . addNode 
builder . addEdge 
return Builder
def main:
initialStates={"userQuery": "请对Python 代码进行简单的审查"}
parentGroup= buildParentGroup 
finalStates= parentGroup.invoke 
print
print
if name == "main":
main