上下文概览

上下文工程 是构建动态系统的一种实践，旨在以恰当的格式提供正确的信息和工具，从而使 AI 应用能够完成特定任务。上下文可从两个关键维度进行描述：

按 可变性：

静态上下文：在执行期间不会改变的不可变数据（例如用户元数据、数据库连接、工具）
动态上下文：随应用运行而不断变化的可变数据（例如对话历史、中间结果、工具调用观察）

按 生命周期：

运行时上下文：作用域限定于单次运行或调用的数据
跨会话上下文：在多个对话或会话间持续存在的数据

运行时上下文指的是本地上下文：即代码运行所需的各类数据与依赖项。它不指代：

LLM 上下文，即传递给 LLM 提示词的数据。
“上下文窗口”，即可以传递给 LLM 的最大 token 数量。

运行时上下文可用于优化 LLM 上下文。例如，你可以使用运行时上下文中的用户元数据来获取用户偏好，并将其输入到上下文窗口中。

LangGraph 提供了三种管理上下文的方式，结合了可变性和生命周期两个维度：

上下文类型	描述	可变性	生命周期	访问方法
静态运行时上下文	启动时传入的用户元数据、工具、数据库连接	静态	单次运行	`invoke`/`stream` 的 `context` 参数
动态运行时上下文（状态）	在单次运行期间演变的可变数据	动态	单次运行	LangGraph 状态对象
动态跨会话上下文（存储）	跨多个对话共享的持久化数据	动态	跨会话	LangGraph 存储

静态运行时上下文

静态运行时上下文 表示通过 invoke/stream 方法的 context 参数在运行开始时传入的不可变数据，如用户元数据、工具和数据库连接。这些数据在执行过程中不会发生变化。

@dataclass
class ContextSchema:
    user_name: str

graph.invoke( # (1)!
    {"messages": [{"role": "user", "content": "hi!"}]}, # (2)!
    context={"user_name": "John Smith"} # (3)!
)

这是代理或图的调用。invoke 方法使用提供的输入运行底层图。
此示例使用消息作为输入，这是常见做法，但您的应用程序可能采用不同的输入结构。
在此处传入运行时数据。context 参数允许您提供代理在执行期间可以使用的额外依赖项。

代理提示词
工作流节点
在工具中

from langchain_core.messages import AnyMessage
from langgraph.runtime import get_runtime
from langgraph.prebuilt.chat_agent_executor import AgentState
from langgraph.prebuilt import create_react_agent

def prompt(state: AgentState) -> list[AnyMessage]:
    runtime = get_runtime(ContextSchema)
    system_msg = f"You are a helpful assistant. Address the user as {runtime.context.user_name}."
    return [{"role": "system", "content": system_msg}] + state["messages"]

agent = create_react_agent(
    model="anthropic:claude-3-7-sonnet-latest",
    tools=[get_weather],
    prompt=prompt,
    context_schema=ContextSchema
)

agent.invoke(
    {"messages": [{"role": "user", "content": "what is the weather in sf"}]},
    context={"user_name": "John Smith"}
)

有关详细信息，请参阅代理。

from langgraph.runtime import Runtime

def node(state: State, runtime: Runtime[ContextSchema]):
    user_name = runtime.context.user_name
    ...

有关详细信息，请参阅图 API。

from langgraph.runtime import get_runtime

@tool
def get_user_email() -> str:
    """根据用户 ID 获取用户信息。"""
    # 模拟从数据库中获取用户信息
    runtime = get_runtime(ContextSchema)
    email = get_user_email_from_db(runtime.context.user_name)
    return email

有关详细信息，请参阅工具调用指南。

Runtime 对象可用于访问静态上下文及其他实用工具，如活动存储和流写入器。详情请参阅 [Runtime][langgraph.runtime.Runtime] 文档。

动态运行时上下文

动态运行时上下文 表示在单次运行期间可演变的可变数据，通过 LangGraph 状态对象进行管理。这包括对话历史、中间结果以及从工具或 LLM 输出派生的值。在 LangGraph 中，状态对象在运行期间充当短期记忆。

在代理中
在工作流中

示例展示了如何将状态整合进代理的提示词中。状态也可由代理的工具访问，工具可根据需要读取或更新状态。详情请参阅工具调用指南。

from langchain_core.messages import AnyMessage
from langchain_core.runnables import RunnableConfig
from langgraph.prebuilt import create_react_agent
from langgraph.prebuilt.chat_agent_executor import AgentState

class CustomState(AgentState): # (1)!
    user_name: str

def prompt(
    state: CustomState
) -> list[AnyMessage]:
    user_name = state["user_name"]
    system_msg = f"You are a helpful assistant. User's name is {user_name}"
    return [{"role": "system", "content": system_msg}] + state["messages"]

agent = create_react_agent(
    model="anthropic:claude-3-7-sonnet-latest",
    tools=[...],
    state_schema=CustomState, # (2)!
    prompt=prompt
)

agent.invoke({
    "messages": "hi!",
    "user_name": "John Smith"
})

定义一个扩展 AgentState 或 MessagesState 的自定义状态模式。
将自定义状态模式传递给代理。这样代理便可在执行期间访问并修改状态。

from typing_extensions import TypedDict
from langchain_core.messages import AnyMessage
from langgraph.graph import StateGraph

class CustomState(TypedDict): # (1)!
    messages: list[AnyMessage]
    extra_field: int

def node(state: CustomState): # (2)!
    messages = state["messages"]
    ...
    return { # (3)!
        "extra_field": state["extra_field"] + 1
    }

builder = StateGraph(State)
builder.add_node(node)
builder.set_entry_point("node")
graph = builder.compile()

定义一个自定义状态
在任意节点或工具中访问状态
图 API 设计为尽可能方便地与状态协同工作。节点的返回值表示对状态的请求更新。

启用记忆功能 有关如何启用记忆功能的更多详细信息，请参阅记忆指南。这是一个强大的功能，允许您在多次调用之间持久化代理的状态。否则，状态的作用域仅限于单次运行。

动态跨会话上下文

动态跨会话上下文 表示跨越多个对话或会话的持久化可变数据，通过 LangGraph 存储进行管理。这包括用户档案、偏好设置和历史交互记录。LangGraph 存储在多次运行中充当长期记忆。可用于读取或更新持久性事实（例如用户档案、偏好、先前交互）。

教程

概念性概述

其它资源

静态运行时上下文

动态运行时上下文

动态跨会话上下文

参见

​静态运行时上下文

​动态运行时上下文

​动态跨会话上下文

​参见

静态运行时上下文

动态运行时上下文

动态跨会话上下文

参见