主题
上下文概览
上下文工程是构建动态系统的实践，这些系统以恰当的格式提供恰当的信息和工具，使 AI 应用能够完成某项任务。上下文可以从两个关键维度来刻画：
- 按可变性：
- 静态上下文：在执行期间不会改变的数据（例如用户元数据、数据库连接、工具）
- 动态上下文：随着应用运行而演变的数据（例如对话历史、中间结果、工具调用观察结果）
- 按生命周期：
- 运行时上下文：作用域限于单次运行或调用的数据
- 跨对话上下文：跨多个对话或会话持续存在的数据
TIP
运行时上下文指的是本地上下文：你的代码运行所需的数据和依赖。它不指：
- LLM 上下文，即传入 LLM 提示词的数据。
- "上下文窗口"，即可传递给 LLM 的最大 token 数。
运行时上下文是一种依赖注入形式，可用于优化 LLM 上下文。它让你在运行时向工具和节点提供依赖（例如数据库连接、用户 ID 或 API 客户端），而不是把它们硬编码。例如，你可以使用运行时上下文中的用户元数据来获取用户偏好，并将其送入上下文窗口。
LangGraph 提供了三种管理上下文的方式，它们结合了可变性和生命周期这两个维度：
| 上下文类型 | 说明 | 可变性 | 生命周期 | 访问方式 |
|---|---|---|---|---|
| 静态运行时上下文 | 在启动时传入的用户元数据、工具、数据库连接 | 静态 | 单次运行 | invoke/stream 的 context 参数 |
| 动态运行时上下文（state） | 在单次运行期间演变的可变数据 | 动态 | 单次运行 | LangGraph 状态对象 |
| 动态跨对话上下文（store） | 跨对话共享的持久数据 | 动态 | 跨对话 | LangGraph store |
静态运行时上下文
静态运行时上下文表示不可变数据，例如用户元数据、工具和数据库连接，它们在运行开始时通过 invoke/stream 的 context 参数传递给应用。这些数据在执行期间不会改变。
python
@dataclass
class ContextSchema:
user_name: str
graph.invoke(
{"messages": [{"role": "user", "content": "hi!"}]},
context={"user_name": "John Smith"}
)python
from dataclasses import dataclass
from langchain.agents import create_agent
from langchain.agents.middleware import dynamic_prompt, ModelRequest
@dataclass
class ContextSchema:
user_name: str
@dynamic_prompt
def personalized_prompt(request: ModelRequest) -> str:
user_name = request.runtime.context.user_name
return f"You are a helpful assistant. Address the user as {user_name}."
agent = create_agent(
model="claude-sonnet-4-6",
tools=[get_weather],
middleware=[personalized_prompt],
context_schema=ContextSchema
)
agent.invoke(
{"messages": [{"role": "user", "content": "what is the weather in sf"}]},
context=ContextSchema(user_name="John Smith")
)详情请参阅智能体。
TIP
Runtime 对象可用于访问静态上下文，以及活动 store、stream writer 等其他实用工具。 详情请参阅 Runtime 文档。
动态运行时上下文
动态运行时上下文表示可在单次运行期间演变、并通过 LangGraph 状态对象管理的可变数据。它包括对话历史、中间结果，以及由工具或 LLM 输出派生出的值。在 LangGraph 中，状态对象在一次运行期间充当短期记忆。
示例展示了如何把状态融入智能体的提示词。
智能体的工具也可以访问状态，并可按需读取或更新状态。详情请参阅工具调用指南。
python
from langchain.agents import create_agent
from langchain.agents.middleware import dynamic_prompt, ModelRequest
from langchain.agents import AgentState
class CustomState(AgentState):
user_name: str
@dynamic_prompt
def personalized_prompt(request: ModelRequest) -> str:
user_name = request.state.get("user_name", "User")
return f"You are a helpful assistant. User's name is {user_name}"
agent = create_agent(
model="claude-sonnet-4-6",
tools=[...],
state_schema=CustomState,
middleware=[personalized_prompt],
)
agent.invoke({
"messages": "hi!",
"user_name": "John Smith"
})TIP
开启记忆 关于如何启用记忆的更多细节，请参阅记忆指南。这是一项强大的功能，可让你跨多次调用持久化智能体的状态。否则，状态的作用域仅限于单次运行。
动态跨对话上下文
动态跨对话上下文表示跨多个对话或会话、并通过 LangGraph store 管理的持久化可变数据。它包括用户档案、偏好以及历史交互。LangGraph store 在多次运行之间充当长期记忆。它可以用来读取或更新持久化的事实（例如用户档案、偏好、先前的交互）。