理解langgraph.graph.StateGraph中 State 的 Annotated 以函数作为元数据(meta)如何影响State传递

LangChain 编程的一大创新是引入管道化表达式（Pipeline Expressions），通过链式组合不同的模块来构建 LLM 任务流。
为了实现这种链式编程，LangChain 通过 Runnable 统一封装模块，使它们提供标准化接口（如 invoke()、batch()、stream()）

通过运算符（|）实现模块间的数据传递，“|” 像一数据管道，本质上仍然是 invoke() 逐步执行。

langgraph.graph.StateGraph 更是引入图论、基于图论，通过节点（node）定义不同的任务，通过边(Edge)使数据在多个任务之间流转和更新。

V0.3 版的聊天机器人示例代码中，State就是通过Edge流转。里面的StateMessage通过Annotated中引用的add_message实现了自动叠加历史消息的逻辑。

为了理解add_message如何影响State，我们先用一个更直观的例子来理解。

以下代码展示的是一个有三个节点的工作流，数据从一个节点流入下一个节点的过程中，会被Annotated中元数据的函数修改，模拟“带历史消息”的聊天。

因为数据（state）是从一个节点流入另一个节点，连接节点的是边(edge)，为了形象，我们用管道来描述，即edge是数据流通的管道。

为了展示数据是在管道中被修改的，我们分别把节点收到的state、节点输出的state、管道中的state分别打印出来。

为了方便演示，我们定义State的结构包含2个成员：foo 表示数据要流向的节点名称，bar 表示本环节大模型api接口返回的结果。 Annotated 的bar_meta_function 对b