示例中agent_node为何将LLM输出保存为HumanMessage？

• 适配多智能体协作的消息流转逻辑：在LangGraph的多智能体架构中，后续节点（如其他智能体、路由节点）通常被设计为响应HumanMessage类型的消息，将当前智能体的LLM输出转为HumanMessage，相当于把该结果包装成下一个节点需要处理的“请求”，确保流程能自动触发后续环节。
• 统一对话历史的类型语义：多数场景下，对话历史会用AIMessage表示智能体的回复，HumanMessage表示需要处理的输入/任务指令。将LLM输出转为HumanMessage，能明确标记这段内容是“待后续处理的任务或信息”，让状态管理和路由判断的逻辑更清晰。
• 兼容LangChain的agent模板与工具链：部分LangChain的智能体prompt模板、工具调用逻辑是基于HumanMessage构建的，转换类型后，后续智能体可以直接复用现有模板处理这段内容，无需额外做类型适配。

内容的提问来源于stack exchange，提问作者Chaine