LangGraph高级技巧：图结构应用程序删除消息的使用技巧

一、消息删除的重要性

在图结构应用中，消息的累积可能会导致性能问题和不必要的复杂性。因此，适时删除不再需要的消息是很有必要的。LangGraph提供了几种方法来实现这一目标。

二、使用delete_messages函数

LangGraph提供了delete_messages函数，它可以根据指定的条件删除消息。这个函数可以在图的节点中使用，特别是在处理完某些消息后。

from langgraph.prebuilt import ToolMessage

def process_and_delete(state):
    # 处理消息的逻辑
    # ...
    
    # 删除已处理的消息
    state = delete_messages(state, lambda x: isinstance(x, ToolMessage))
    return state

# 在图结构中使用
graph = Graph()
graph.add_node("process_and_delete", process_and_delete)
# ...

三、消息过滤技巧

除了直接删除消息，我们还可以使用过滤技巧来控制消息的流动：

3.1 使用条件边

graph.add_conditional_edge(
    "node_a",
    "node_b",
    condition=lambda x: not isinstance(x, ToolMessage)
)

3.2 在节点函数中进行过滤

def filter_messages(state):
    filtered_messages = [msg for msg in state['messages'] if not isinstance(msg, ToolMessage)]
    return {"messages": filtered_messages}

graph.add_node("filter", filter_messages)

四、消息修剪策略

在长时间运行的应用中，可能需要定期修剪消息以保持性能：

4.1 基于时间的修剪

from datetime import datetime, timedelta

def prune_old_messages(state):
    current_time = datetime.now()
    recent_messages = [
        msg for msg in state['messages']
        if current_time - msg.timestamp < timedelta(hours=1)
    ]
    return {"messages": recent_messages}

graph.add_node("prune", prune_old_messages)

4.2 基于数量的修剪

def keep_latest_messages(state, max_messages=50):
    return {"messages": state['messages'][-max_messages:]}

graph.add_node("prune", lambda s: keep_latest_messages(s, max_messages=100))

五、实际应用案例：智能客服系统

考虑一个智能客服系统，它需要处理用户查询，但同时要保持对话的简洁性：

from langgraph.prebuilt import ToolMessage, HumanMessage

def process_query(state):
    # 处理用户查询
    # ...
    return state

def summarize_and_prune(state):
    # 总结对话
    summary = summarize_conversation(state['messages'])
    
    # 保留最新的人类消息和总结
    new_messages = [msg for msg in state['messages'] if isinstance(msg, HumanMessage)][-3:]
    new_messages.append(ToolMessage(content=summary))
    
    return {"messages": new_messages}

graph = Graph()
graph.add_node("process_query", process_query)
graph.add_node("summarize_and_prune", summarize_and_prune)
graph.add_edge("process_query", "summarize_and_prune")
graph.add_edge("summarize_and_prune", "process_query")