在 LangGraph 中处理多轮对话上下文超出 LLM 窗口（Context Window）的问题，通常有两种核心策略：滑动窗口截断（Sliding Window / Truncation） 和 对话总结（Summarization）。 在 LangGraph 的设计中，因为状态（State）通常使用 这个 reducer，它默认是追加消息的。因此，要管理上下文，我们需要利用 LangGraph 的消息删除机制或动态过滤机制。 以下是具体的架构设计和代码实现方案： --- 方案一：动态截断（只保留最近 N 条消息或 Token 限制） 如果你不需要长期的历史记忆，只需要最近几轮的上下文，最简单的做法是在传给 LLM 之前对消息列表进行截断。 设计思路： 不需要修改全局的 State（不删除原本的记录，如果需要保存完整日志的话），仅仅在调用 LLM 之前，使用 LangChain 提供的 工具对传给模型的 Message 列表进行修剪。 代码示例： --- 方案二：总结与清理混合机制（Hybrid Summarization）—— 推荐做法 截断会导致丢失早期的关键信息。更高级的...
播面