from typing import TypedDict
from langgraph.graph import StateGraph, START, END

# 定义状态结构，包含姓名、年龄和最终输出结果
class State(TypedDict):
    name: str    # 姓名（字符串类型）
    age: int     # 年龄（整数类型）
    final: str   # 最终输出的字符串结果

def node1(x: State) -> State:
    """第1个节点：生成当前年龄的描述信息"""
    # 生成当前年龄的描述，并完整传递所有状态字段
    return {
        "name": x["name"],  # 传递姓名
        "age": x["age"],    # 传递年龄
        "final": f'{x["name"]}，你现在 {x["age"]} 岁了'
    }

def node2(y: State) -> State:
    """第2个节点：计算1年后的年龄并生成描述信息"""
    # 创建新的状态字典，避免直接修改输入状态
    new_state = y.copy()
    # 年龄加1
    new_state["age"] += 1
    # 使用当前节点的输入参数y（而非未定义的x）来获取姓名
    new_state["final"] = f'{y["name"]}，1年后，你的年龄是：{new_state["age"]}'
    return new_state

# 创建状态图构建器，关联State结构
graph_builder = StateGraph(State)

# 添加节点："a"对应node1，"b"对应node2
graph_builder.add_node("a", node1)
graph_builder.add_node("b", node2)

# 定义流程路径：START → a节点 → b节点 → END
graph_builder.add_edge(START, "a")
graph_builder.add_edge("a", "b")
graph_builder.add_edge("b", END)

# 编译图为可执行对象
app = graph_builder.compile()

# 调用图，传入初始状态（姓名Jim，年龄13）
result = app.invoke({"name": "Jim", "age": 13})
# 输出最终结果
print(result["final"])  # 输出：Jim，1年后，你的年龄是：14

# 显示图结构（需在Jupyter环境中运行）
from IPython.display import Image, display
display(Image(app.get_graph().draw_mermaid_png()))
    

1. 核心功能

通过两个节点的依次处理，完成 “当前年龄描述→1 年后年龄计算与描述” 的流程，最终输出 1 年后的年龄信息。
例如：输入姓名 “Jim”、年龄 13，输出 “Jim，1 年后，你的年龄是：14”。

2. 注意事项

数据类型严格设置，如果将 {"final": f'{x["name"]}，你现在 {x["age"]} 岁了'  } 改成 "final": '{x["name"]+'，你现在'+ {x["age"]} +'岁了'} 就会TypeError

3. 关键组件与作用

• 状态（State）：
  用 TypedDict 定义的结构化数据载体，包含 3 个字段：

  • name：存储姓名（字符串）；
  • age：存储年龄（整数）；
  • final：存储各节点生成的描述文本（字符串）。
    作用：在节点间传递数据，确保信息在流程中不丢失。

• 节点（Node）：

  • node1：接收初始状态，生成 “当前年龄描述”（如 “Jim，你现在 13 岁了”），并完整传递 name、age 和 final 到下一个节点。
  • node2：接收 node1 传递的状态，将年龄加 1，生成 “1 年后年龄描述”（如 “Jim，1 年后，你的年龄是：14”）。

• 图（Graph）：
  通过 StateGraph 构建线性流程：START → node1（a节点）→ node2（b节点）→ END，确保节点按顺序执行。

4. 执行流程

1. 调用 app.invoke({"name": "Jim", "age": 13}) 传入初始状态；
2. 流程从 START 进入 node1，生成当前年龄描述，更新状态并传递给 node2；
3. node2 接收状态，计算 1 年后的年龄（13+1=14），生成最终描述；
4. 流程到达 END，返回最终状态，打印 final 字段结果。

5. 代码价值

• 展示了 LangGraph 的核心工作模式：状态在节点间按预定流程流转，逐步被处理。
• 体现了 “状态完整传递”“节点逻辑分离” 的设计思想，为扩展更复杂的流程（如多分支、条件判断）奠定基础。
• 可通过可视化代码（display(Image(...))）在 Jupyter 环境中查看流程图，直观理解节点关系。

总之，这段代码是 LangGraph 构建简单线性工作流的典型示例，清晰展示了 “状态定义→节点逻辑→图流程设计→执行与输出” 的完整链路。