AgentState vs 全局变量
Q：AgentState 的作用是什么？为什么不使用全局变量？
来源：字节Agent开发一面（某大厂）
新手答：“用全局变量也能存状态吧，AgentState 就是框架的封装。”
高手答：
AgentState 解决的核心问题是状态的可追踪、可回溯、可序列化——这三点是全局变量做不到的。
全局变量的致命问题：
- 不可追踪：不知道谁在什么时候改了什么值，调试多步 Agent 像猜谜
- 不可回溯：Agent 执行到第 5 步发现走错了，没法回到第 3 步的状态
- 不可序列化：没法做 checkpoint 持久化，进程挂了状态全丢
- 并发不安全：多个节点并行执行时，全局变量竞争写入导致数据覆盖
- 默认覆盖语义：Python dict 赋值是覆盖，但 Agent 很多场景需要累加（如 messages 列表追加）
AgentState 的设计价值：
| 能力 | 实现 |
|---|---|
| 状态版本化 | 每个节点执行后生成新版本的 State snapshot |
| Checkpoint | 序列化到 SQLite/Redis，支持断点续跑 |
| Reducer 语义 | 字段可以定义 add（累加）而非 replace（覆盖） |
| 类型安全 | TypedDict 定义 schema，节点间契约明确 |
| 调试追踪 | 每步状态变化有记录，出错时精确定位哪个节点改坏了什么 |
LangGraph 的经典踩坑：默认 State 是覆盖式更新。如果你在 State 里放了一个 messages: list，节点 A 返回 \{"messages": [msg1]\}，节点 B 返回 \{"messages": [msg2]\}——结果是 B 覆盖 A，而不是追加。必须用 Annotated[list, operator.add] 声明累加语义。
差距在哪：面试官考的是你对“状态管理”的工程理解。只把 AgentState 当成“框架的 dict 封装”说明你没用它做过多步任务。能说出 checkpoint、reducer 语义、状态回溯这些设计意图，说明你真的在 LangGraph 上踩过坑。