状态维护与重构机制

状态维护与重构机制#

在图引擎的运行过程中，系统通过树形结构维护状态信息，以实现状态的可追溯与高效重构。

状态树结构#

  • 每个节点的输入是一个完整的 State 对象。

  • 节点的输出不是完整状态，而是该节点的 状态增量（delta）。

  • 在运行过程中，所有状态以树的形式存储：

  • 根节点表示图引擎的输入状态。

  • 每个子节点包含其父节点引用和当前节点的 delta。

  • 状态恢复时，会递归地从父节点向上合并，逐级重构完整状态。

状态重构逻辑#

当节点或边需要使用完整状态时，图引擎会执行如下步骤：

  • 按声明的 更新策略（update strategy） 从根节点向下合并所有 delta。

  • 将完整状态进行深拷贝后传递给节点或边执行。

备注

由于深拷贝策略，节点和边对输入状态的修改不会影响引擎内部维护的状态树。

改变状态策略的影响#

图引擎中存在两类特殊策略，可能导致状态树的根被重置：

  • 节点的 multi_input_merge_strategy

  • 边的 state_filter

由于这两者都是用户可自定义的合并逻辑，引擎无法保证其结果与原状态完全兼容。因此：

  • 一旦执行上述策略，根节点会被重置为策略输出的状态。

  • 如果这些策略删除了部分状态信息，这些信息将无法在后续节点中恢复。

示例： 有无 state_filter 的差异

假设有一条线性路径： A -> B -> C -> End

  • 初始状态（输入）为：

state = {"user": {"name": "Alice", "age": 20}, "score": 90}

  • 各节点执行逻辑如下：

  • A 输出增量： {"user": {"age": 21}}

  • B 输出增量： {"score": 95}

情况一： 无 state_filter

边 B -> C 没有定义 state_filter，因此状态完整传递：

# Input state of Node C：
{"user": {"name": "Alice", "age": 21}, "score": 95}

# GraphEngine output：
{"user": {"name": "Alice", "age": 21}, "score": 95}

情况二： 有 state_filter

假设边 B -> C 定义了如下过滤器：

def state_filter(state):
    return {"score": state["score"]}

此时，state_filter 的输出被视为新的根状态，导致 user 字段被永久丢弃。

# Input state of Node C：
{"score": 95}

# GraphEngine output：
{"score": 95}

因为 state_filter 删除了 user 信息，后续节点无法再收到该字段。

最终状态输出#

图运行过程中， end 节点会构建 状态队列 , 收集所有流入的状态：

  • 队列中的状态按路由顺序排列。

  • 引擎将根据定义的更新策略，依次合并队列中的状态。

  • 最终输出即为所有状态合并后的完整 State 对象。

通过这种机制，图引擎能够在保证状态一致性的同时，实现灵活的状态重构与可追溯性。

目录