上下文工程是构建动态系统的实践：以正确的格式提供正确的信息和工具，让 AI 应用能够完成任务。上下文可以沿两个关键维度来描述：
  1. 按可变性：
    • 静态上下文：执行期间不会改变的不可变数据，例如用户元数据、数据库连接和工具
    • 动态上下文：随着应用运行而演变的可变数据，例如对话历史、中间结果和工具调用观察结果
  2. 按生命周期：
    • 运行时上下文：作用域限定在单次运行或调用内的数据
    • 跨对话上下文：跨多次对话或会话持久保存的数据
运行时上下文指本地上下文，即代码运行所需的数据和依赖项。它不是指：
  • LLM 上下文，即传入 LLM prompt 的数据。
  • “上下文窗口”，即可以传给 LLM 的最大 token 数量。
运行时上下文用于在 agent 中传递数据。相比把内容存储在全局状态中，你可以把数据库连接、用户会话或配置等值附加到上下文，并在工具和 middleware 内访问它们。这会让内容保持无状态、可测试且可复用。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，并将其传入上下文窗口。
LangGraph 提供三种管理上下文的方式，它们组合了可变性和生命周期这两个维度：
上下文类型描述可变性生命周期
Config运行开始时传入的数据静态单次运行
动态运行时上下文（state）单次运行期间不断演变的可变数据动态单次运行
动态跨对话上下文（store）跨对话共享的持久数据动态跨对话

​
Config

Config 用于用户元数据或 API key 等不可变数据。当你拥有运行期间不会改变的值时，请使用它。 使用名为 “configurable” 的 key 指定配置。该 key 专门保留用于此目的。 
await graph.invoke(
  { messages: [{ role: "user", content: "hi!" }] },
  { configurable: { user_id: "user_123" } }
);

​
动态运行时上下文

动态运行时上下文表示可以在单次运行期间演变的可变数据，并通过 LangGraph state 对象进行管理。这包括对话历史、中间结果，以及从工具或 LLM 输出派生的值。在 LangGraph 中，state 对象会在一次运行期间充当短期记忆。
示例展示如何将 state 纳入 agent prompt。Agent 的工具也可以访问 state，并根据需要读取或更新 state。参阅工具调用指南了解详情。
import { createAgent, createMiddleware } from "langchain";
import type { AgentState } from "langchain";
import * as z from "zod";

const CustomState = z.object({
  userName: z.string(),
});

const personalizedPrompt = createMiddleware({
  name: "PersonalizedPrompt",
  stateSchema: CustomState,
  wrapModelCall: (request, handler) => {
    const userName = request.state.userName || "User";
    const systemPrompt = `You are a helpful assistant. User's name is ${userName}`;
    return handler({ ...request, systemPrompt });
  },
});

const agent = createAgent({
  model: "claude-sonnet-4-6",
  tools: [/* your tools here */],
  middleware: [personalizedPrompt] as const,
});

await agent.invoke({
  messages: [{ role: "user", content: "hi!" }],
  userName: "John Smith",
});
开启 memory 请参阅 memory 指南，了解如何启用 memory。这是一项强大功能，允许你跨多次调用持久保存 agent 的 state。否则，state 只会作用于单次运行。

​
动态跨对话上下文

动态跨对话上下文表示跨多次对话或会话存在的持久可变数据，并通过 LangGraph store 进行管理。这包括用户资料、偏好和历史交互。LangGraph store 会在多次运行之间充当长期记忆。它可用于读取或更新持久事实，例如用户资料、偏好和先前交互。

​
延伸阅读

Connect these docs to Claude, VSCode, and more via MCP for real-time answers.
Edit this page on GitHub or file an issue.