你是否在使用 LangGraph 时遇到过“同一个字段被多个节点写入，却只保留最终一个值”的困扰？或者在循环中发现状态被意外重置？下面将用最直观的方式，帮你彻底掌握 Reducer 的原理与实践。

一、从问题出发：多个节点都要写同一个字段怎么办？

在 LangGraph 中。节点按顺序执行，每个节点都有可能修改 State。不过，于是就出现了典型冲突：

说到两种常见答案。

1. —— 默认行为。
2. —— Reducer 后的行为。

Reducer 就是用来决定这个冲突如何解决的工具。

二、默认行为 vs Reducer 行为

说到默认行为。覆盖

痛点提示： 如果你只需要结果，而不关心中间过程，那么默认覆盖已足够。但若你期望所有节点的贡献都被保留，就会陷入“值丢失”的尴尬。

class MyState:
counter: int # 没有 Reducer
name这方面，str # 没有 Reducer

执行流程示例：

初始状态：counter = None
节点 A 返回：{"counter": 5} → 状态变为：counter = 5
节点 B 返回：{"counter": 10} → 状态变为：counter = 10
结果的观点是。counter = 10

适用场景：

• 只需要最终值，例如使用者名、当前状态标志等。
• No need to accumulate intermediate changes.

Reducer 行为：合并

痛点提示： 当你想让多次更新叠加或保持完整列表时必须显式指定 Reducer。否则后执行的更新会把之前的内容抹掉。

from typing import Annotated,operator
class MyState:
counter: Annotated # 使用加法 Reducer

初始状态：counter = None
节点 A 返回：{"counter": 5} → 状态变为：counter = 5
节点 B 返回：{"counter": 10} → 状态变为：counter = 15
至于结果。counter = 15

• N 必须累计，例如计数器、总分、消息列表等。
• Avoid accidental data loss.

三、Reducer 的本质：一个普通函数

Reducer 并没有魔法，它只是一个普通 Python 函数，接收两个参数并返回合并后的结果：

def reducer_func -> final_value:
"""current_value: 当前 State 中该字段的值
new_value: 节点返回的新值"""
# 在这里定义你的合并逻辑
return merged_result

C++ & JavaScript 等语言使用者注意点

四、用生活例子彻底搞懂 – “记账本”场景演示

没有 Reducer:

说到周一。小明记了 "吃饭 ¥50" →账本：
再看周二，小红记了 "打车 ¥30" →账本： ← 周一内容被覆盖
周三…，
说到周一，“吃饭 ¥50” →账本：
周二的观点是。“打车 ¥30” →账本： ← 新增在后面
月底算账，清清楚楚。

在此例中，“add”就是一个简易的 Reducer。它规则是“新记录追加到旧记录后面而不是替换”。这正是大多数累积需求所需要的行为！
🎉

五、为什么 LangGraph 必须有 Reducer？


#️⃣ 原因一 – 图不是线性执行的:
图中可能存在分支和循环。例如一个分支同时修改同一字段；若无 Reducer，则后执行者会抹掉前者的数据。使用 Reducer 可以让两方贡献共存。不过，

#️⃣ 原因二 – 循环需要累积:
在循环里每次经过某个节点都会产生新的数据。不过，若不累积，这些数据会被每轮覆盖，从而导致信息丢失。通过使用累加或自定义合并规则，可实现真正意义上的累计。

#️⃣ 原因三 – 可预测的状态变化:
Reducer 明确声明每个字段更新规则，使得整个图运行过程更透明、更可预期。其实，你再也不会因为“咦，这个值怎么消失了？”而迷惑不已，







结论 – “痛点到底在哪里？” : 💡 


No reducer → 只有最终一次写入才有效；容易丢失关键信息，难以追踪错误来源。

Your graph contains loops or branches?→ Without reducer you risk accidental state wipe‑out.

You want to aggregate messages / counts?→ Use reducer for deterministic accumulation.

If you need custom logic,simply write your own reducer function.


六、实战 – 自定义 Reducer 示例 



名称 
代码片段 
用途说明 




$last_n_reducer$ 
from typing<\/span>
import<\/span>
def<\/span>
last_n_reducer:
"""只保留最近 n 条记录"""
def<\/span>
reducer::list<\/span>:
combined=a + b
return combined
MyState=TYPEDDICT\"\
The above snippet is truncated due to formatting constraints but demonstrates how to keep last n logs.

python
from typing import Dict。Annotated
def dict_merge(old:dictiona ...


**Key takeaways**


last_n_reducer – keeps only most recent N items. 

dict_merge – merges two dictionaries with new values overriding old ones. 

max_reducer – retains maximum of two numeric values.


**Example usage in state definition**
python
class MyState:
recent_logs : Annotated,last_n_reducer] # Keep last ten logs
metadata : Annotated,dict_merge] # Merge metadata
max_score : Annotated # Keep highest score


七、Reducer 的完整工作流程
为了彻底消除疑惑，这里给出 LangGraph 内部处理 Reducer 的逐步流程：
text
遍历字典中的每个键：
for key in state_dict:
if has_reducer: ← 找到对应字段是否声明了 reducer？old_val = current_state
new_val = node_output
merged_val = reducer ← 调用使用者自定义或内置 reducer
current_state = merged_val ← 写回 state
从else来看，current_state = node_output ← 覆盖旧值


八、表格


`
`
`
`
`
`
`

九、相关面试题快速回顾

面试题① 若不给字段指定 Reduce​r，多​个节​点写入同​一字​段时会怎样？
**答案**
默认行为是 **覆盖**；后执行者完全替换先前赋值。

面试题② add_messages 与 operator.add 有何区别？


行为类型 
写法 
效果 
适用场景 




"覆盖"
`int` / `str` 等直接写法无注解`Annotated` …` `
- 最终仅保留最终一次赋值
- 用于单一标识符。如使用者名
- 易丢失历史数据
` `
`
`
`
 `
`








对比项
operator.add
add_messages




支持类型
任意列表或数值
专门针对 BaseMessage 列表


去重能力
无
有


删除功能
无
可标记删除




面试题③ 自定义 Reduce​r 函数参数与返回？

参数
① current_value: 当前 State 中该字段当前存储的数据
② new_value: 节点返回的新数据 

返回值
合并后的最终数据，其类型需与字段声明一致。

面试题④ 如何实现“只允许第一次写入”的逻辑？老实说，

python
def write_once:
return old if old else new

class MyState:
initialized : Annotated


面试题⑤ 在并行节点中 Reduce​r 如何工作？

当多条方法同时写入同一字段时LangGraph 会在超步结束时按 先后顺序 将这些更新应用到 State 上。并对带 Reduce​r 的字段调用其对应函数，实现兼容与聚合。


祝你玩得开心，也希望这份重新排版且嵌入痛点的文章能方便你上手 LangGraph 的 Reducer！