1、对话式工作流

持续追踪 “用户 - 助手 - 工具” 对话历史的场景

LangGraph 的工作流（Graph）运行时，需通过graph.invoke(initial_state)传入初始状态

State Schema

通常使用TypedDict（类型字典）或pydantic.BaseModel明确状态结构，核心字段是messages（存储对话历史）：

from langchain_core.messages import BaseMessage
from typing import List, TypedDict

# 定义State结构：包含messages字段（BaseMessage类型的列表）
class ChatState(TypedDict):
    messages: List[BaseMessage]  # 对话历史，需是BaseMessage子类（如HumanMessage、AIMessage）

对应输入格式

# 格式1：直接传入BaseMessage列表（无需convert_to_messages）
from langchain_core.messages import HumanMessage, AIMessage, ToolMessage

initial_state = {
    "messages": [
        HumanMessage(content="What does Lilian Weng say about reward hacking?"),  # 用户消息
        AIMessage(tool_calls=[{"id": "1", "name": "retrieve", "args": {"query": "..."}}]),  # 助手工具调用
        ToolMessage(content="...", tool_call_id="1")  # 工具返回
    ]
}

# 格式2：用convert_to_messages转换字典为BaseMessage（更简洁）
initial_state = {
    "messages": convert_to_messages([
        {"role": "user", "content": "..."},
        {"role": "assistant", "tool_calls": [...]},
        {"role": "tool", "content": "...", "tool_call_id": "..."}
    ])
}

2. 任务型工作流（非对话式 State）

无需对话历史，仅需追踪 “任务参数、中间结果、执行状态” 的场景

State Schema 

from typing import TypedDict

class DocProcessingState(TypedDict):
    doc_content: str  # 输入的文档内容（初始状态需传入）
    summary: str | None  # 中间结果：摘要（初始为None，后续节点赋值）
    keywords: List[str] | None  # 中间结果：关键词（初始为None，后续节点赋值）

对应输入格式

# 初始输入：仅需传入文档内容（其他字段为None，可省略）
initial_state = {
    "doc_content": "LangGraph is a stateful workflow framework for LLMs. It supports conditional edges and cyclic graphs..."
}

3、混合式工作流（多字段 State）

同时追踪 “对话历史” 和 “其他业务数据” 的场景

State Schema 

from langchain_core.messages import BaseMessage
from typing import List, TypedDict

class CustomerServiceState(TypedDict):
    user_id: str  # 业务字段：用户ID（用于关联用户信息）
    doc_context: str  # 业务字段：当前咨询的文档上下文（如产品手册片段）
    messages: List[BaseMessage]  # 对话字段：用户-客服-工具的消息历史

对应输入格式

initial_state = {
    "user_id": "user_12345",  # 初始业务数据
    "doc_context": "Product X has a 1-year warranty. Repairs are free within warranty.",  # 初始业务数据
    "messages": convert_to_messages([{"role": "user", "content": "Does Product X have a warranty?"}])  # 初始对话消息
}