上下文工程是构建动态系统的实践，这些系统以正确的格式提供正确的信息和工具，以便AI应用程序可以完成任务。上下文可以从两个关键维度进行描述
- 按可变性
- 静态上下文：在执行期间不发生变化的不可变数据（例如，用户元数据、数据库连接、工具）
- 动态上下文：随着应用程序运行而演变的可变数据（例如，对话历史、中间结果、工具调用观察）
- 按生命周期
- 运行时上下文：作用域限定为单次运行或调用的数据
- 跨对话上下文：跨多个对话或会话持久存在的数据
运行时上下文指的是本地上下文：代码运行所需的数据和依赖项。它不指
- LLM上下文，即传递给LLM提示的数据。
- “上下文窗口”，即可以传递给LLM的最大令牌数。
运行时上下文可用于优化LLM上下文。例如，您可以使用运行时上下文中的用户元数据来获取用户偏好并将其馈送到上下文窗口中。
| 上下文类型 | 描述 | 可变性 | 生命周期 | 访问方法 |
|---|
| 静态运行时上下文 | 启动时传递的用户元数据、工具、数据库连接 | 静态 | 单次运行 | invoke/stream的context参数 |
| 动态运行时上下文（状态） | 单次运行期间演变的可变数据 | 动态 | 单次运行 | LangGraph 状态对象 |
| 动态跨对话上下文（存储） | 跨对话共享的持久数据 | 动态 | 跨对话 | LangGraph 存储 |
静态运行时上下文
静态运行时上下文表示不可变数据，例如用户元数据、工具和数据库连接，这些数据在运行开始时通过invoke/stream的context参数传递给应用程序。此数据在执行期间不会更改。
@dataclass
class ContextSchema:
user_name: str
graph.invoke(
{"messages": [{"role": "user", "content": "hi!"}]},
context={"user_name": "John Smith"}
)
from dataclasses import dataclass
from langchain.agents import create_agent
from langchain.agents.middleware import dynamic_prompt, ModelRequest
@dataclass
class ContextSchema:
user_name: str
@dynamic_prompt
def personalized_prompt(request: ModelRequest) -> str:
user_name = request.runtime.context.user_name
return f"You are a helpful assistant. Address the user as {user_name}."
agent = create_agent(
model="claude-sonnet-4-5-20250929",
tools=[get_weather],
middleware=[personalized_prompt],
context_schema=ContextSchema
)
agent.invoke(
{"messages": [{"role": "user", "content": "what is the weather in sf"}]},
context=ContextSchema(user_name="John Smith")
)
Runtime对象可用于访问静态上下文和其他实用程序，例如活动存储和流写入器。有关详细信息，请参阅@[Runtime][langgraph.runtime.Runtime]文档。
动态运行时上下文
动态运行时上下文表示可在单次运行期间演变的可变数据，并通过 LangGraph 状态对象进行管理。这包括对话历史、中间结果以及从工具或 LLM 输出派生的值。在 LangGraph 中，状态对象在运行期间充当短期记忆。
示例展示了如何将状态合并到代理提示中。代理的工具也可以访问状态，这些工具可以根据需要读取或更新状态。有关详细信息，请参阅工具调用指南。from langchain.agents import create_agent
from langchain.agents.middleware import dynamic_prompt, ModelRequest
from langchain.agents import AgentState
class CustomState(AgentState):
user_name: str
@dynamic_prompt
def personalized_prompt(request: ModelRequest) -> str:
user_name = request.state.get("user_name", "User")
return f"You are a helpful assistant. User's name is {user_name}"
agent = create_agent(
model="claude-sonnet-4-5-20250929",
tools=[...],
state_schema=CustomState,
middleware=[personalized_prompt],
)
agent.invoke({
"messages": "hi!",
"user_name": "John Smith"
})
开启记忆 请参阅记忆指南，了解如何启用记忆的更多详细信息。这是一个强大的功能，允许您在多次调用之间持久化代理的状态。否则，状态仅限于单次运行。 动态跨对话上下文
动态跨对话上下文表示跨多个对话或会话持久存在的可变数据，并通过 LangGraph 存储进行管理。这包括用户配置文件、偏好和历史交互。LangGraph 存储在多次运行中充当长期记忆。这可用于读取或更新持久事实（例如，用户配置文件、偏好、先前的交互）。
另请参见
