Delta Channels: 如何为长时运行智能体演进运行时
LangGraph 1.2引入了DeltaChannel，通过仅存储每一步的差异并定期写入完整快照，将检查点存储从O(N²)降至接近恒定水平。对于编码智能体，实现了41倍存储缩减，且无需迁移或配置更改。
文章情报
要点
- 默认全快照模型的检查点存储随会话长度呈O(N²)增长
- DeltaChannel仅存储差异，每K步写入一次完整快照，存储成本保持平坦
- 升级透明，现有线程和API无需改动
- 在Deep Agents v0.6中默认启用，零配置
为什么重要
这条新闻值得关注，因为默认全快照模型的检查点存储随会话长度呈O(N²)增长。
技术影响
可能影响模型选型、推理成本、产品能力和评测基准。
Deep Agents构建于LangGraph运行时之上，该运行时会为智能体的每一步创建检查点。这使得可观测性、人机协作和故障恢复成为可能。随着智能体能力增强，它们运行时间更长，消息历史跨越数十或数百步，并利用文件系统进行上下文管理。对于Deep Agents，消息历史和文件存储在智能体状态中，而每步快照方法导致检查点存储呈O(N²)增长。对于一个运行200轮的编码智能体，当前检查点方法会序列化5.3GB数据，而DeltaChannel仅需129MB，缩减超过40倍，且状态恢复性能几乎不受影响。
DeltaChannel是LangGraph 1.2中的新原语，改变了累积状态字段的检查点方式。每一步只存储差异（delta），并定期写入完整快照以限制恢复成本。在Deep Agents中，消息和文件默认采用delta存储，同时保留完整的智能体历史记录，成本大幅降低。
问题的核心在于默认的全快照模型。对于小的短期智能体，这没问题，但消息和文件是只增累积器，每个检查点包含从第一步到当前步的所有数据，导致每一步都比前一步序列化更多数据。DeltaChannel通过以下方式解决：正常步骤仅写入新增的更新（微小差异），每K步（默认：50）写入一次完整快照，从而限制状态重建的成本。底层增长仍为二次方，但系数仅为基准的约1/K，且由于恢复成本有界，延迟保持平坦。
基准测试显示，在轻量编码/搜索负载下，500轮后基线存储达4GB，而delta通道保持在110MB以下，节省比从10轮的6倍增长到500轮的41倍。在更重的多文件编码负载下，200轮时基线达到5.3GB，delta通道仅129MB，节省比达到41倍。两种负载都趋近于约K倍的理论上限，但重负载因每步状态更大而更快达到。
在Deep Agents v0.6中，delta通道默认启用，无需配置。在LangGraph中，开发者可通过DeltaChannel(reducer, snapshot_frequency)自定义状态字段。Reducers必须满足批处理不变性，以确保正确性。现有线程无需数据迁移即可继续工作。
Delta通道在Deep Agents v0.6和LangGraph v1.2中发布，升级路径无缝。随着长时运行智能体成为趋势，Delta通道使运行时能够高效扩展。