内容概述

前一篇（spring-ai-alibaba 1.0.0.2 学习（十七）——初识graph-CSDN博客）初步介绍了graph：

概念：图、边、节点、状态等，及其核心类和衍生类

使用流程：

1）定义流程图：添加节点，添加边

2）使用流程图：编译图，执行图

但是在定义流程图时，省略了图初始化的过程；

在使用流程图时，省略了参数设置的过程

本篇会补充对应的内容

简单样例

图初始化

        KeyStrategyFactory keyStrategyFactory = () -> {HashMap<String, KeyStrategy> keyStrategyHashMap = new HashMap<>();// 用户输入keyStrategyHashMap.put("query", new ReplaceStrategy());keyStrategyHashMap.put("documents", new AppendStrategy());return keyStrategyHashMap;};StateGraph stateGraph = new StateGraph(keyStrategyFactory)...

在新版本1.0.0.3中，状态图StateGraph的初始化不再建议使用OverAllStateFactory，而是改用KeyStrategyFactory

KeyStrategyFactory实际就是一个 Supplier<Map<String, KeyStrategy>>，一个Map<String, KeyStrategy>的提供者

而其提供的Map<String, KeyStrategy>，key是参数名，value是该参数的更新策略，用来指定全局状态类OverAllState的某个参数的更新策略

提到KeyStrategy，就需要先了解OverAllState，全局状态类OverAllState，内部维护了一个Map<String, Object> data 用来保存各种状态参数，如果将该类提炼为一个接口，那对外提供的最主要的方法其实就是一个：

OverAllState updateState(Map<String, Object> nodeOutput);

也就是用节点的输出来更新全局状态的data，并返回一个新的全局状态

而 KeyStrategy 就是在这个环节中生效，用来指定 OverAllState 中某个参数，是如何与节点输出进行合并的

比如常见的ReplaceStrategy，就是直接用nodeOutput中的值替换掉data中的值，例如样例中的query参数

另一个 KeyStrategy 的子类 AppendStrategy，主要用于参数的类型是List的时候，是将nodeOutput和data的某个参数的元素进行去重生成新 List，例如样例中的documents参数

子类MergeStrategy，主要用于参数的类型是Map的时候，用节点输出结果nodeOutput覆盖全局状态中data的值（如果存在的话）

所以KeyStrategyFactory最终就是负责提供状态参数的更新策略

在并行节点中，若某个结果的key不设置更新策略，那即使节点输出中包含该key，也不会被更新进入全局状态OverAllState中（普通节点不存在这个问题，会默认使用覆盖策略，不知道是不是bug）

ps：graph默认会为“input”添加一个ReplaceStrategy的更新策略

参数设置（可选参数）

编译图的参数

SaverConfig saverConfig = SaverConfig.builder().register(SaverConstant.MEMORY, new MemorySaver()).build();
CompileConfig complieConfig = CompileConfig.builder().saverConfig(saverConfig).interruptBefore("humanfeedback").build();  //CompileConfig 参数可省略
//CompiledGraph compiledGraph = stateGraph.compile();
CompiledGraph compiledGraph = stateGraph.compile(compileConfig);
...

编译图时，有一个可选参数 CompileConfig，编译参数，主要是用来生成 CompiledGraph，内部包含如下属性：

SaverConfig：保存各种类型的检查点保存器，缺省状态下，CompileConfig会创建一个MemorySaver放到SaverConfig中

        Map<String, BaseCheckpointSaver>：key 为保存器的类型，如Memory

        String type：默认类型，调用无参的 get 方法时，从Map中获取该默认类型对应的BaseCheckpointSaver

lifecycleListeners：图生命周期监听器的队列，处理时先进后出，目前支持开始节点、结束节点、报错、节点前、节点后等几种触发情景。

interruptsBefore：Set<String> 类型，值为nodeId，表示在该 node 之前加入中断

interruptsAfter：Set<String> 类型，值为nodeId，表示在该 node 之后加入中断

ps：除了这些，CompiledGraph 还有个设置，即最大执行步骤数，代表图中节点总共的可执行次数，每执行一个节点算一次，需要调用 CompiledGraph.setMaxIterations 方法设置，不在 CompileConfig 中

执行图的参数

        RunnableConfig runnableConfig = RunnableConfig.builder().threadId(threadId).build();Map<String, Object> objectMap = new HashMap<>();objectMap.put("query", query);objectMap.put("documents", List.of(document));//RunnableConfig 参数可以省略//AsyncGenerator<NodeOutput> resultFuture = compiledGraph.invoke(objectMap);AsyncGenerator<NodeOutput> resultFuture = compiledGraph.invoke(objectMap, runnableConfig);...

CompiledGraph执行时，需要两个参数

Map<String, Object>：对应全局状态中的data，是执行图时传入的初始参数

该Map的 key 需要对应前面的 KeyStrategyFactory 中 返回Map的 key，否则该参数无法更新

RunnableConfig：运行时配置，是一个可选参数，主要存放线程id threadId、检查点id checkPointId，下一节点id nextNode，metaData 等信息。

        threadId： 主要是用来区分会话的，在前端另开一个会话，就会新建一个 threadId，不同会话之间状态（OverAllState）不共享

        checkPointId：猜测是用于时间旅行，即重新回到某个节点，错误恢复和人工介入目前不需要传递该参数，会自动获取最新存档

        metaData：运行时的其他配置，比如llm中实际使用的大模型型号，不想污染OverAllState时可以在这里设置