Reducer 是什么？多个节点如何安全更新状态

上一篇文章里，我们讨论了 Edge 和 Conditional Edge。

一个重要结论是：

Edge 让流程可以分支，也可以回到前面的节点。

但一旦流程变复杂，就会遇到另一个问题：

多个节点如何安全更新同一份 State？

这就是 Reducer 要解决的事。

很多人第一次接触 LangGraph 时，会把 Reducer 看成一个不太重要的细节。

实际上，它非常关键。

因为它决定了状态更新是覆盖、追加，还是按规则合并。

State 更新为什么需要规则？

最简单的状态更新，看起来像这样：

旧值 + 新值 = 新状态

但真实流程里，情况没有这么简单。

比如：

一个节点追加消息 一个节点更新检索结果 一个节点记录工具调用 一个节点补充人工审核意见

如果这些更新都写到同一个 State，系统必须知道：

哪些字段该覆盖 哪些字段该追加 哪些字段该合并 哪些字段不该丢失

没有这个规则，状态就会乱。

Reducer 的作用是什么？

Reducer 的作用，就是定义 State 某个字段的合并方式。

简单说：

当新更新到来时，如何和旧状态合并

如果没有 reducer，很多字段默认可能是覆盖。

但在 Agent Workflow 里，覆盖并不总是你想要的。

比如消息列表通常应该追加，而不是覆盖。

而某些标量字段，比如：

task_status retry_count need_human_review

则可能更适合覆盖或替换。

所以不同字段需要不同更新策略。

追加型字段和覆盖型字段

可以先把 State 字段分成两类。

第一类是追加型字段。

比如：

messages logs tool_calls retrieval_candidates notes

这些字段通常需要保留历史。

第二类是覆盖型字段。

比如：

current_step task_status need_human_review final_answer retry_count

这些字段更像当前值。

Reducer 的价值，就是让这两类字段都能按正确方式更新。

为什么消息列表最常见？

LangGraph 里最常见的 reducer 场景，就是消息列表。

比如一个对话 Agent，每次模型输出都要追加到消息历史里。

如果没有合适的合并规则，后面的节点只会看到最后一条消息。

那系统就失去上下文了。

所以消息类字段通常需要“追加”语义。

这也是为什么很多 Agent 应用都非常重视 history、messages 或 events 这类字段。

它们不是一次性输入，而是持续积累的过程。

并行更新时，Reducer 更重要

Reducer 最关键的场景，往往出现在并行或多来源更新。

比如：

一个节点返回检索结果 另一个节点返回工具结果 还有一个节点返回人工补充信息

这些更新可能都要写回同一个 State。

这时候就必须清楚：

是追加？ 是合并？ 还是后者覆盖前者？

如果规则不明确，结果就不可预测。

Reducer 让这种合并变得确定。

Reducer 让 State 更稳定

很多 Agent 出问题，不是因为模型不行，而是状态被更新乱了。

比如：

检索结果被覆盖 消息历史被截断 工具结果被误删 中间步骤没留下痕迹

有了合并规则，系统会更稳定。

因为每个字段都知道自己应该怎么更新。

这对复杂图尤其重要。

Reducer 不等于随便拼接

一个常见误区是：

认为 reducer 就是简单把内容拼起来。

不是。

Reducer 的核心不是“拼”，而是“按规则合并”。

有些字段适合追加。

有些字段适合取最新值。

有些字段适合做去重。

有些字段适合保留最大值或最可信值。

不同字段的语义不同，合并策略也不同。

如果把所有东西都当成字符串拼接，State 很快会变脏。

一个简单例子

假设有一个字段叫messages。

每次节点输出一条消息，应该追加到列表里。

而如果有一个字段叫attempt_count，每次重试应该加一。

再比如final_answer，通常只在最后写入一次。

这三种字段明显不该用同一种更新逻辑。

Reducer 的意义，就是把这种差异化更新表达出来。

Reducer 和可观测性有关

Reducer 不只是状态合并问题。

它也关系到排查问题。

因为如果状态字段被覆盖或丢失，你会很难知道是哪一步改掉了什么。

如果 reducer 规则清楚，后面你就能更容易复盘：

哪个节点更新了什么 哪个字段被追加 哪个字段被覆盖 哪个状态是最终生效的

这会显著降低调试成本。

Reducer 设计要和 State 一起做

Reducer 不是事后补丁。

它应该和 State 设计一起完成。

当你设计一个字段时，就应该想清楚：

这个字段是追加型还是覆盖型？ 多个节点会不会同时写它？ 如果会，应该怎么合并？ 这个字段要不要保留历史？

如果这些问题一开始没想清楚，后面很容易返工。

常见误区

第一个误区，是以为 reducer 不重要。

其实它是 State 正确更新的核心。

第二个误区，是所有字段都用同一种更新方式。

不同字段语义不同，规则也应不同。

第三个误区，是只考虑单节点写入，不考虑并行或回边。

流程一复杂，状态冲突就很常见。

第四个误区，是 reducer 规则不透明。

看不懂规则，图就难维护。

第五个误区，是把 reducer 当成字符串拼接器。

它应该是状态合并规则，而不是简单连字符。

总结

Reducer 的作用，是定义多个节点更新 State 时的合并规则。

它让：

消息可以追加 日志可以保留 结果可以覆盖 计数可以累加

一个复杂 Agent 图，如果没有合适的 reducer，状态很容易乱。

而状态一乱，路由判断、调试和恢复都会变得很困难。

所以 LangGraph 里，State 不只是字段集合，Reducer 也不是小细节。

它们一起决定了图的稳定性。

下一篇文章，可以继续讨论 Tool Node。

因为 Agent 真正变得有用，很大一部分来自工具调用。