上一篇把 State 比作一块共用的白板：每个节点读整块白板，只写回自己负责的那几栏。那张图里每个字段都只有一个节点在写，所以"新值直接覆盖旧值"毫无问题。可一旦进入对话场景，用户、模型、工具都要往同一份消息列表里追加内容，覆盖写入就彻底不够用了。这一篇把 State 讲透：字段的合并规则怎么定、消息列表为什么需要专门的处理、State 有哪几种写法，以及怎样控制"谁能看到什么数据"。

一、覆盖写入，在哪里会出问题#

先回顾默认行为：节点返回某个字段的新值，LangGraph 就用它替换白板上的旧值。用一个记录执行日志的小例子感受一下：

Python
class State(TypedDict):
    logs: list[str]

def step_1(state): return {"logs": ["第一步完成"]}
def step_2(state): return {"logs": ["第二步完成"]}

# START → step_1 → step_2 → END，初始输入 {"logs": ["开始"]}
# 运行结果：{'logs': ['第二步完成']}

我们想要的是一份完整的日志，结果只剩最后一条——每一步都把前面的记录覆盖掉了。如果两个节点并行写同一个字段，情况更糟，上一篇已经见过：直接报 InvalidUpdateError。

把这个问题放大到对话场景：用户说一句、模型回一句、工具返回一段结果，这些都要按顺序存进同一个 messages 列表。覆盖写入意味着每一轮都会把历史清空，Agent 也就失去了上下文。

问题的根源在于：不同的字段需要不同的合并方式。有的字段（比如最终回答）就该覆盖，有的字段（比如日志、消息）应该追加。LangGraph 把这个"合并方式"交给你来指定，它叫 Reducer。

二、Reducer：给字段定一条合并规则#

Reducer 是一个函数，接收两个参数：白板上的当前值和节点刚返回的新值，返回合并之后的结果。每当节点更新某个字段，LangGraph 都会调用这个字段的 Reducer：

flowchart LR
  O[白板上的当前值] --> R{{Reducer}}
  N[节点返回的新值] --> R
  R --> M[合并后的值，写回白板]

没有指定时，默认的 Reducer 就是"直接用新值"。要换成追加，只需在字段的类型上附加一个合并函数：

Python
import operator
from typing import Annotated

class State(TypedDict):
    logs: Annotated[[], operator.add]