Agent做多步任务时总是跑偏，大家是怎么设计状态管理的？

我现在的做法是给每个步骤单独存一个结构化状态，比如用字典把query和对应的结果绑死，而不是全塞message里。LangGraph的StateGraph其实挺适合这个，每个节点只读写自己关心的字段，别让所有历史都往prompt里灌。总结那步只把已经确认过的结果按顺序拼进去，模型就没法乱点鸳鸯谱了。另外可以加个校验节点，发现结果对不上就回退重跑，比指望模型自己记住靠谱多了。

用一个外置的状态字典存每步结果，别全塞prompt里，每步只取需要的字段喂进去，这样既省token又不会串。

我一般把每步结果单独存state里，prompt只放当前步骤引用，别全塞history，不然肯定乱。

我踩过类似的坑，后来发现核心问题不是prompt塞得不够多，而是状态没有明确的“边界”。LangGraph的State用TypedDict定义时，我会给每个子任务单独开一个key，比如search_a_results和search_b_results分开存，而不是一股脑丢进messages里，这样总结节点读的时候就不会串。另外你说的脑补步骤，大概率是模型在长context里分不清哪些是已经执行完的、哪些是它自己想象的，我会在state里加一个completed_steps列表，每步执行完append进去，prompt里只注入这个结构化清单，比塞原始对话省token也清晰得多。ReAct那套思路本身没问题，但落到代码里最好把“思考”和“行动结果”分开存，别混在一条message里。如果步骤多且需要回滚，确实可以考虑用Redis或者SQLite做个轻量持久化，但大部分场景下LangGraph的checkpointer加显式字段就够了。你现在的痛点可能更多是state schema没设计好，而不是缺个数据库。

我遇到过类似问题，后来是把每步的输入输出单独存成一个结构化对象，而不是全塞message里。总结前只把关键字段拼给模型，比如query和对应结果一一绑定，能减少张冠李戴。LangGraph里可以用state的channel做隔离，每个节点只读写自己需要的部分，别让全局history滚雪球。

我踩过一样的坑，后来是把中间结果结构化成带key的JSON，每步只把当前步骤要用的字段注入prompt，而不是全部history往里怼。另外给它加了个显式的step plan，每完成一步打个done标记，没标记的不许引用，基本就治好了张冠李戴。context长的问题其实是没做裁剪，只留最近两步加plan就够了。

我习惯把每步结果单独存state里，别全塞prompt，不然确实容易串。