LangGraph的4种输出

模式返回什么数据从哪里来什么时候返回是否包含节点名最适合updates节点本次修改的部分状态节点的return节点执行完成后包含查看节点执行结果、前端展示步骤values当前完整状态快照Graph 累积状态初始输入及每一步完成后不包含调试状态变化messages大模型生成的消息块节点中的 LLM 调用模型生成过程中在 metadata 里聊天回答打字机效果custom自定义业务事件writer(...)调用writer()时立即返回由你自己决定进度提示、业务通知1.updates{prepare: {prepared_question: 请用一句话介绍 LangGraph}}{answer: {answer: LangGraph 是一个基于 LangChain 构建的库旨在通过有向图结构帮助开发者轻松创建具有循环、状态管理和复杂控制流的智能体Agent及多智能体工作流。}}2.values{question: 请用一句话介绍 LangGraph}{question: 请用一句话介绍 LangGraph,prepared_question: 请用一句话介绍 LangGraph}{question: 请用一句话介绍 LangGraph,prepared_question: 请用一句话介绍 LangGraph,answer: LangGraph 是一个基于 LangChain 构建的开源框架旨在通过有向图结构帮助开发者轻松创建、编排和控制具有复杂状态管理和循环逻辑的多智能体Multi-Agent及长周期 AI 应用。}3.messages{langgraph_step: 2,langgraph_node: answer,langgraph_triggers: [branch:to:answer],langgraph_path: (__pregel_pull, answer),langgraph_checkpoint_ns: answer:xxxx,checkpoint_ns: answer:xxxx,ls_provider: openai,ls_model_name: qwen-plus}4.custom{event: progress,data: {message: 问题已整理准备调用模型。}}