请教一个问题

General
1

from typing import TypedDict, Annotated
import operator
from langgraph.graph.state import StateGraph, START, END

def remain_min(old: int, new: int) → int:

print("reducer remain_min is called", f"old: {old}, new: {new}")
if old is None:
    return new
if new is None:
    return old
return min(old, new)

class State(TypedDict):
min_score: Annotated[int, remain_min]

builder = StateGraph(State)
builder.add_edge(START, END)

graph =builder.compile()

initial_state = {“min_score”: 60}
print(graph.invoke(initial_state)) 问ai都说只有return时才会调用reducer进行更新参数，但是我在invoke传入自定义state时也调用reducer更新了参数，似乎min_score被默认初始化为了0然后我传入的被当成了更新，导致min_score一直是0

2

你的观察是对的，AI 给你的解释错了。

LangGraph 里 reducer 的触发规则是：任何对 channel 的写入都会过 reducer，包括 invoke 时传入的 initial input。input dict 本质上就是第一次"写入"，并不会绕过 reducer 直接赋值。

至于为什么 old 是 0 而不是 None：带 reducer 的字段在底层是 BinaryOperatorAggregate channel，初始值用的是注解类型的零值——int 就是 0，list 就是 []，dict 就是 {}。所以你的流程实际上是：

  1. channel 初始化 → min_score = 0
  2. invoke 传入 {"min_score": 60} → 触发 reducer，old=0, new=60
  3. min(0, 60) = 0 → 最终就是 0

所以 reducer 调用本身没问题，问题是 int 的零值刚好是 min 运算的吸收元，导致永远卡在 0。

几种改法，看你的语义需求：

方法 1：reducer 里识别"未初始化"状态

把字段类型改成 int | None，然后 reducer 里把 0 也当 sentinel 处理。但 int | None 的零值是什么取决于 LangGraph 版本，不太可靠。

方法 2：用一个不会冲突的 sentinel，比如 float('inf')

def remain_min(old, new):
    if old is None: return new
    if new is None: return old
    return min(old, new)

class State(TypedDict):
    min_score: Annotated[float, remain_min]  # 用 float

然后初始化时显式传 float('inf')，或者：

方法 3（推荐）：reducer 里用业务语义判断

如果你的 min_score 是分数（0–100），那 0 本来就是合法值，sentinel 走不通。这种情况干脆把字段包一层：

def remain_min(old, new):
    if not old:  # 0 / None / 空 都视为未初始化
        return new
    if new is None:
        return old
    return min(old, new)

但要确认业务上 min_score=0 是不是有效值。如果是有效值（比如真的有人得 0 分），这种写法就有 bug。

方法 4：用 langgraph.channels.LastValue 风格 + 自己管理

直接不用 reducer，在 node 内部维护 min 逻辑。如果你只是想保留运行期间的最小值，其实在 node 里 state["min_score"] = min(state["min_score"], new_score) 也行。reducer 更适合多个 node 并发写入需要 merge 的场景（比如 fan-out/fan-in）。