惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

WordPress大学
WordPress大学
The Register - Security
The Register - Security
Hugging Face - Blog
Hugging Face - Blog
博客园 - 聂微东
GbyAI
GbyAI
Recent Commits to openclaw:main
Recent Commits to openclaw:main
博客园_首页
D
Docker
S
Security @ Cisco Blogs
K
Kaspersky official blog
爱范儿
爱范儿
Simon Willison's Weblog
Simon Willison's Weblog
TaoSecurity Blog
TaoSecurity Blog
V
V2EX
C
CXSECURITY Database RSS Feed - CXSecurity.com
T
Troy Hunt's Blog
Cloudbric
Cloudbric
博客园 - 三生石上(FineUI控件)
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
The Hacker News
The Hacker News
美团技术团队
S
SegmentFault 最新的问题
L
Lohrmann on Cybersecurity
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
宝玉的分享
宝玉的分享
The Last Watchdog
The Last Watchdog
Y
Y Combinator Blog
M
MIT News - Artificial intelligence
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
Martin Fowler
Martin Fowler
Google Online Security Blog
Google Online Security Blog
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
C
Cybersecurity and Infrastructure Security Agency CISA
T
Tor Project blog
Vercel News
Vercel News
The Cloudflare Blog
G
Google Developers Blog
T
Threat Research - Cisco Blogs
AI
AI
Stack Overflow Blog
Stack Overflow Blog
I
InfoQ
Scott Helme
Scott Helme
S
Schneier on Security
大猫的无限游戏
大猫的无限游戏
The GitHub Blog
The GitHub Blog
S
Securelist
IT之家
IT之家
Microsoft Azure Blog
Microsoft Azure Blog

博客园_首页

Plist 二进制格式 Milvus 和 PGVector,哪个更好? OpenClaw 已过时?在 VS Code 中运行 Hermes Agent! 第30篇文章:一个大三计科生的自白 Manim如何在数学公式中完美显示中文? Docker 部署 RocketMQ 5 并发编程核心概念辨析 C#事务处理最佳实践:别再让“主表存了、明细丢了”的破事发生 CLI 是什么?为什么大厂突然集体卷命令行? 【从0到1构建一个ClaudeAgent】协作-自主Agent UIImageView 设置图片不生效的原因排查 最小二乘问题详解20:无先验约束下的增量式SFM自由网平差 痞子衡嵌入式:大话双核i.MXRT1180之XIP应用里借助MU实现可靠Flash IAP的方法 AI Chat 封装, SemanticKerne.AiProvider.Unified 已发布 Windows下右键编辑js文件无法打开记事本——在注册表中使用环境变量 在后台服务中使用 Scoped 服务,为什么总是报错? H200 安装驱动并使用sglang启动模型 wireshark 抓包Trap上报告警内容 我用 AI 辅助开发了一系列小工具(2):图片压缩工具 [A Primer On MC and CC] 2.1 Memory Consistency 1 - 指令重排序和 SC 模型 Oracle数据库SCN推进技术详解与实践指南 玩转控件:封装个带图片的Label控件 Claude Code 4.7 真正该升级的不是模型,而是你的工作流 前端小白一句话,AI 帮我做了个颜值拉满的桌面媒体播放器。当代码不再是门槛,一句话编程就是现实。 5. WorkBuddy: 小龙虾的灵魂三件套,让你的小龙虾不只是工具 SQLite 分片方案实战:三种分片策略的深度对比 告别简陋 UI!一款基于 Fluent Design 和基于 WinUI 的开源免费、现代化的 Avalonia UI 控件库 关于二进制排列组合枚举的总结 AI开发-python-LangGraph框架(3-27-LangGraph从零实现大模型智能决策工作流) ElasticSearch主分片和副本分片概念详解 【002】HTTPS 粗解:证书、TLS 握手与对后端配置的影响 Hermes Agent 一周暴涨五万 Star,但我劝你别急着追 明明连接的是Redis的DB0,为什么能查到DB3的数据? 【从0到1构建一个ClaudeAgent】协作-Agent团队 熟悉电子元器件之后,电子小白下一步该怎么走? MAF快速入门(23)通过C#类定义Skills .NET 高级开发 | 手写一个对象映射框架 FastAPI数据库ORM怎么选?我肝了三个Demo后,终于不再纠结了 mysqldump 参数拾遗:在遗忘与铭记之间 C# .NET 周刊|2026年3月5期 Claude code入门 - 陈彦斌 一文学习入门 ThingsBoard 开源物联网平台 GitHub 热门项目 | 2026年04月16日 如何为GIT设置全局勾子,为每次提交追加信息 Number.isFinite和isFinite与isNaN()和Number.isNaN的区别 PortSwigger SQL注入LAB2 推荐一个测试人必备的Skills,从功能到性能全搞定(附详细实操和安装下载方式) 筑基期:掌握Odoo基础核心知识点02(Odoo XML 开发方式详解) GLM模型这么火,咱们用vllm也咧一个呗! 深入理解 AbortController:从底层原理到跨语言设计哲学 字符串学习笔记 多租户系统框架的基础模块设计和分析设计 Apache SeaTunnel Zeta 为什么能做到“又快又稳”? AI开发-python-LangGraph框架(3-26-LangGraph基本概念及第一个简单样例) Vue 3 组件通信,别只会用 Props 和 Emits 了,这几个狠活儿你得看看 ElasticSearch7.X版本配置密码 用Manim实现动态交点计算--从一个动点问题说起 团结引擎+Addressable+Instant Game打包抖音小游戏 function call 实战:让 LLM 自动判断 pod 异常、调用日志工具并完成故障分析 bubseek —— 让 Agent 的足迹,变成团队的洞察 通过 C# 读取并导出 PDF 书签 如何用 GitHub Actions 实现 Steam 自动化发布 【从0到1构建一个ClaudeAgent】并发-后台任务 .NET 高级开发 | 定制 ASP.NET Core 框架 电子小白:什么是运算放大器(运放) zero2Agent:面向大厂面试的 Agent 工程教程,从概念到生产的完整学习路线 堆上的ORW HC32F460 USB CDC通信异常:非对齐访问异常排查 20260413-Hyperbridge 攻击事件:发生在默克尔山上的验证绕过 那些喊着AI 要淘汰你的人,正在靠你的焦虑赚大钱! 深度学习进阶(八)Swin Transformer 最小二乘问题详解19:带先验约束的增量式SFM优化与实现 SnapTranslate 3.0 正式发布:全局划词翻译 + 完整英语学习闭环,一站式搞定查词、记词、复习 工作的意义、工作的困难认知再思考 .NET + AI 进阶实战:基于类的技能开发 - 打造可治理的 Agent 能力模块 【从0到1构建一个ClaudeAgent】规划与协调-技能 上周热点回顾(4.6-4.12) 电子小白的工具三件套:面包板、杜邦线、万能板 单表五亿数据的查询优化 | Mysql、StarRocks 2. WorkBuddy:从“我是谁”到“帮我干活” C# 如何减少代码运行时间:7 个实战技巧 基于HelixToolkit.SharpDX 渲染3D模型 - 笺上知微 从零开始的双臂具身VLA起源及现阶段发展综述 - SkyXZ 记对 xonsh shell 的使用, 脚本编写, 迁移及调优 - pluvium27 受够了Vibe Coding的失控?换个起点,让AI事半功倍 从开始配置漏洞环境到漏洞复现流程 - 難しい 关于10年工作经验的程序员对OpenClaw的实战经验分享以及看法 - 虚无境 Any metadata 的内存布局 C# .NET 周刊|2026年3月2期 - InCerry 我帮你测过了,测试圈排名第二的 Skill 依然很牛逼 Skill Discovery | 无监督技能发现的经典工作总结 - MoonOut 上下文工程是什么?过时了么?一文讲明白! - 一枫说码 开了 TUN 模式还是直连?90% 的人都踩过这个坑 AScript扩展多种脚本语言 - rockey627 AI 学习笔记:Agent 的记忆机制 你能被装进一个文件里吗?——7 万人把同事"蒸馏"成了 AI - 我没有三颗心脏 Claude Code 通关手册(七):给 AI 装上技能包——Skills 完全指南 - 暮色之狐 在浏览器中快速编辑代码:VSCode Web 集成实践 - Newbe36524 蒸馏自己 skill?基于 Deepseek 的蒸馏器,丐版蒸馏方式,简单便捷 - To_Carpe_Diem Spring AI Aliababa和AgentScope,哪个更好? - 苏三说技术
AI开发-python-LangGraph框架(3-31-LangGraph 「合并式状态管理」的原理与实践)
万笑佛 · 2026-04-23 · via 博客园_首页

在多智能体协作、并行任务处理的场景中,结果覆盖、数据冲突、状态混乱是最常见的痛点。当多个并行节点同时修改状态时,如何保证数据安全聚合、不丢失、不覆盖?LangGraph 提供的合并式状态(Annotated 自定义合并函数) 完美解决了这一核心问题。

本文将聚焦 LangGraph 模式 3:并行结果安全合并,深度拆解合并式状态的设计理念、核心机制与落地实现,带你掌握多并行任务的安全状态管理方案。

在实际开发中,我们经常需要同时执行多个独立任务:比如同时查询天气、获取时间、分析资讯,最终聚合所有结果生成答案。

传统的并行处理模式会面临致命问题:

  1. 结果覆盖:多个任务同时写入同一状态字段,后完成的任务会覆盖先完成的结果;
  2. 数据丢失:嵌套结构的结果无法自动融合,只能整体替换;
  3. 状态不可控:多节点协作时,无法保证状态的完整性和一致性。

这些问题直接导致并行任务的结果无法有效利用,多智能体协作也无法落地。而 LangGraph 的合并式状态,从状态定义层面就解决了并行结果的安全合并问题。

合并式状态是 LangGraph 状态管理的核心特性之一,也是本次并行安全合并的基石。

区别于普通状态的「覆盖式更新」,合并式状态通过 Annotated 注解绑定自定义合并函数,让状态在更新时不再直接替换旧值,而是执行自定义的合并逻辑。

最常用的合并逻辑就是字典的安全合并:旧字典 + 新字典 = 全新融合字典,既保留历史数据,又新增最新数据,从根源杜绝覆盖问题。

  • 安全无覆盖:并行任务的结果独立存储,互不干扰;
  • 嵌套结构兼容:完美支持字典嵌套结构的合并;
  • 状态可追溯:保留所有任务的执行结果,便于后续聚合;
  • 低侵入性:仅需在状态定义时配置,无需修改任务逻辑。

基于合并式状态,我们可以轻松搭建并行扇出 - 安全合并 - 结果聚合的完整工作流,整个流程分为四大核心环节:

这是整个方案的核心环节。我们定义状态时,将需要并行写入的结果字段,通过注解绑定字典合并函数,声明它为合并式状态

同时规划状态结构:原始查询、并行合并结果、最终聚合答案,各司其职,让状态管理清晰有序。

创建多个异步并行任务节点(如天气查询、时间查询),每个任务模拟耗时操作,执行完成后,以任务名为唯一键写入合并状态

得益于合并式状态的机制,两个任务同时写入时,不会发生任何覆盖,各自的结果都会被完整保留。

LangGraph 内置的并行调度能力,会自动等待所有并行节点执行完毕,再触发聚合节点。

聚合节点无需手动处理异步等待,直接读取合并完成的完整状态,安全获取所有并行任务的结果,进行数据解析和最终决策生成。

通过 StateGraph 构建「起点扇出 → 并行执行 → 终点扇入聚合」的流程图,结构清晰直观。起点同时触发所有并行任务,所有任务完成后统一进入聚合节点,最后结束流程。

所有任务异步并行执行,总耗时等于耗时最长的单个任务,而非所有任务耗时之和,大幅提升执行效率。

合并式状态从底层保证并行结果不丢失、不覆盖,即使扩展更多并行任务,也无需担心状态冲突。

新增并行任务时,仅需添加新节点、写入独立键名,无需修改原有代码和合并逻辑,适配多智能体协作、多任务聚合的复杂场景。

聚合节点支持容错处理,即使某个任务结果缺失,也不会导致程序崩溃,保证工作流稳定运行。

这套基于合并式状态的并行结果安全合并方案,适用于绝大多数需要多任务并行的场景:

  • 多智能体(Agent)协作决策;
  • 并行数据采集与结果聚合;
  • 多接口并发调用与数据融合;
  • 复杂业务流程的并行分支处理;
  • 实时多维度信息分析与报告生成。

LangGraph 的合并式状态,是解决并行任务状态管理问题的「银弹」。它通过自定义合并函数,从状态定义层面杜绝了结果覆盖、数据丢失的问题,搭配并行扇出扇入的流程设计,让多任务并行、多智能体协作变得简单、安全、高效。

相比于传统的并行处理方案,这种状态驱动 + 合并机制的设计,更符合现代流式工作流的开发理念,代码简洁、扩展性强、健壮性高,是 AI 应用、复杂业务流程开发的必备实践。

掌握合并式状态的核心用法,你就能轻松应对各类并行任务的状态管理难题,让你的 LangGraph 应用更稳定、更强大。

代码实现:

"""
📌 模式3: 并行结果安全合并
核心机制: 自定义合并函数防止结果覆盖
适用场景: 多Agent协作、并行任务聚合、需要安全合并嵌套结构
"""
import asyncio
from typing import TypedDict, Dict, Annotated, Any
from langgraph.graph import StateGraph, START, END


# ===== 1. 状态定义(关键:自定义合并函数)=====
class ParallelState(TypedDict):
    """
    并行状态设计:
    - user_query: 原始查询(保留)
    - results: 使用自定义合并函数 → 安全合并嵌套字典
    - final_answer: 最终聚合结果
    """
    user_query: str
    # ⚠️ 核心:自定义合并函数实现 {**old, **new}
    results: Annotated[Dict[str, Any], lambda old, new: {**old, **new}]
    final_answer: str


# ===== 2. 并行任务节点 =====
async def task_weather(state: ParallelState) -> dict:
    """
    天气任务: 返回嵌套结果 {"weather": {...}}
    ⚠️ 必须使用任务名作为键,避免覆盖
    """
    await asyncio.sleep(0.4)  # 模拟耗时操作
    print("[🌤️ 天气任务] 完成 (0.4s)")
    return {
        "results": {
            "weather": {  # 关键:以任务名为键
                "temperature": 25,
                "condition": "sunny"
            }
        }
    }


async def task_time(state: ParallelState) -> dict:
    """
    时间任务: 返回嵌套结果 {"time": {...}}
    与天气任务互不干扰
    """
    await asyncio.sleep(0.3)  # 模拟耗时操作
    print("[⏰ 时间任务] 完成 (0.3s)")
    return {
        "results": {
            "time": {  # 关键:以任务名为键
                "hour": 15,
                "period": "afternoon"
            }
        }
    }


def aggregator_node(state: ParallelState) -> dict:
    """
    聚合节点: 综合所有并行结果
    自动等待所有触发的并行节点完成
    """
    print("\n[✅ 聚合节点] 所有并行任务完成!")
    print(f"  已收集结果: {list(state['results'].keys())}")

    # 安全访问结果(处理可能缺失的任务)
    weather = state["results"].get("weather", {})
    time = state["results"].get("time", {})

    # 生成综合决策
    decision = (
        f"📍 综合分析报告\n"
        f"{'─' * 30}\n"
        f"🌤️ 天气: {weather.get('temperature', 'N/A')}°C, {weather.get('condition', 'unknown')}\n"
        f"⏰ 时间: {time.get('hour', 'N/A')}点 ({time.get('period', 'unknown')})\n"
        f"{'─' * 30}\n"
        f"💡 建议: 下午时段天气晴朗,适合户外活动"
    )
    return {"final_answer": decision}


# ===== 3. 构建并行图 =====
def build_parallel_graph():
    builder = StateGraph(ParallelState)

    # 添加节点
    builder.add_node("weather_task", task_weather)
    builder.add_node("time_task", task_time)
    builder.add_node("aggregator", aggregator_node)

    # 并行扇出(从START同时触发两个任务)
    builder.add_edge(START, "weather_task")
    builder.add_edge(START, "time_task")

    # 扇入聚合(两个任务都完成后触发)
    builder.add_edge("weather_task", "aggregator")
    builder.add_edge("time_task", "aggregator")
    builder.add_edge("aggregator", END)

    return builder.compile()


# ===== 4. 执行演示 =====
async def main():
    print("=" * 60)
    print("🧠 模式3: 并行结果安全合并(自定义合并函数)")
    print("=" * 60)

    graph = build_parallel_graph()
    # 画图
    print(graph.get_graph().draw_ascii())

    # 初始状态(关键:results 必须初始化为空字典!)
    initial_state = {
        "user_query": "北京现在适合户外活动吗?",
        "results": {},  # ⚠️ 必须初始化,否则首次合并失败
        "final_answer": ""
    }


    # 记录时间验证并行
    start = asyncio.get_event_loop().time()
    final_state = await graph.ainvoke(initial_state)
    elapsed = asyncio.get_event_loop().time() - start

    print(f"\n【执行结果】")
    print(f"  总耗时: {elapsed:.2f}秒 ")
    print(f"\n{final_state['final_answer']}")




if __name__ == "__main__":
    asyncio.run(main())

结果输出:

============================================================
🧠 模式3: 并行结果安全合并(自定义合并函数)
============================================================
             +-----------+                
             | __start__ |                
             +-----------+                
            ***          **               
           *               **             
         **                  **           
+-----------+           +--------------+  
| time_task |           | weather_task |  
+-----------+           +--------------+  
            ***          **               
               *       **                 
                **   **                   
            +------------+                
            | aggregator |                
            +------------+                
                   *                      
                   *                      
                   *                      
              +---------+                 
              | __end__ |                 
              +---------+                 
[⏰ 时间任务] 完成 (0.3s)
[🌤️ 天气任务] 完成 (0.4s)

[✅ 聚合节点] 所有并行任务完成!
  已收集结果: ['weather', 'time']

【执行结果】
  总耗时: 0.42秒

📍 综合分析报告
──────────────────────────────
🌤️ 天气: 25°C, sunny
⏰ 时间: 15点 (afternoon)
──────────────────────────────
💡 建议: 下午时段天气晴朗,适合户外活动

更多学习资料尽在 老虎网盘资源