LangGraph多智能体系统：如何添加并填充resolution状态字段？

你的当前实现方向存在缺失，需要从智能体系统提示、agent_node节点逻辑两方面修改，必要时调整监督者逻辑，才能正确填充resolution字段。具体步骤如下：

1. 修改智能体系统提示，让LLM输出明确的解决状态标识 #

给每个智能体的系统prompt添加要求，让它在处理完查询后，用固定格式标注问题是否解决。示例如下：

system_prompt = """
你是负责[具体任务]的智能体，处理用户查询后，请在输出结尾用固定格式标注是否解决问题：【RESOLUTION: True/False】
...原有的系统提示内容...
"""

固定格式能让后续代码快速解析出resolution的布尔值。

2. 修复并修改agent_node函数，提取并更新resolution字段 #

你当前的agent_node只返回了messages，完全没处理resolution字段，且代码存在语法错误（HumanMessage构造时括号不匹配，智能体输出应使用AIMessage而非HumanMessage）。修改后的代码如下：

def agent_node(state, agent, name):
    result = agent.invoke(state)
    output_content = result["output"]
    
    # 解析输出中的解决状态
    resolution = "【RESOLUTION: True】" in output_content
    
    return {
        "messages": [
            AIMessage(
                content=output_content,
                name=name,
                additional_kwargs={"intermediate_steps": result["intermediate_steps"]}
            )
        ],
        "resolution": resolution  # 填充resolution字段
    }

3. 可选：让监督者参与最终resolution判断（如果需要全局决策） #

如果需要监督者根据所有智能体的交互结果最终确定问题是否解决，需做两处调整：

• 在监督者的系统prompt中，要求它根据历史消息判断问题是否解决，并返回包含resolution的决策
• 在监督者节点函数中，将判断结果赋值给resolution字段返回

关键说明 #

• 你之前的agent_node未返回resolution，导致状态里的该字段一直是初始的None，这是核心问题
• 智能体本身不知道要输出解决状态标识，必须通过系统prompt明确约束

内容的提问来源于stack exchange，提问作者user1452759