本文来自微信公众号： 智讯智库 黄南隔热条设备厂家家，作家：说明

Graph Engineering不是Loop的替代品，而是AI Coding从“单个Agent反复推行”走向“多个节点协同职责”的基层工程问题，本文将从以下几个视角拆解Graph Engineering： Peter Steinberger再次带火了新见识，但Graph是新瓶装旧酒，其在Agent时间有了新的界说和兴致。 从Prompt到Graph，中枢逻辑是AI Coding仍在向复杂度名目进化。 主流Coding Agent还是在用Graph，只是多数莫得把丹青出来。 Graph常用于复杂任务黄南隔热条设备厂家家，但“复杂”不单是方法多，需要任务好像立拆分、存在分支或回退、中间现象值得保存、成果好像验收、合作收益于谐和老本。

Open Claw创造者Peter Steinberger在X上问了句：“咱们还在谈Loop，照旧还是转向Graph了？”为止7月28日，这条帖子赢得约307万次浏览[1]。只是只在个多月前，恰是他用“不要再亲身教唆Coding Agent，而要瞎想好像教唆它的轮回”这句话，帮Loop Engineering走红[2]。

短短六周，Loop就被文牍“落伍”了。

同天，领有20年劝诫、曾在Airbnb和GitHub职责的机器学习工程师Hamel Husain，发布了篇题为《Loop Engineering Is Dead.Enter Graph Engineering》的嘲谑著述。正文只好张写着“Stop it”的动图，却也赢得了约68万次浏览。[3]

Graph Engineering简直在个周末里从句半开打趣的发问，变成了新的AICoding热词。

Loop责罚不了的新问题？

见识是新瓶、手艺是旧酒

Loop并莫得委果落伍，试验发生的变化是：当Coding Agent从次修起走向连气儿推行，又从单个Agent走向多个推行单位合作时，工程师要处理的问题从“怎样让它陆续作念”彭胀到了“这些职责该怎样聚首”。

Loop责罚的是：个Agent如何字据环境响应不断查验、修改，再次尝试。（详见7月10日智讯智库著述《还在写Prompt？AI编程参预Loop新阶段》）

举例代码莫得通过测试，就读取报错、修改代码、再走时行，直到通过验收或触发罢手条目。

Loop让个Agent不错我方多干会儿，但当Agent简直不错连气儿职责，新的问题又出现了：

研究需求的Agent、写代码的Agent、作念测试的Agent，谁先运转？哪些职责不错同期进行？测试失败后应该回到那处？它们怎样看到同份需求、研究条记和测试成果？若是审查者不本旨竣事者，听谁的？

个Loop只好条主要旅途，复杂任务却运转出现单干、并行、回退和派遣。这个时期，工程师不再只是瞎想“怎样重叠”，还要瞎想“这些重叠职责的单位怎样聚首”。

因此Graph试验是个任务的编排系统，照应多个职责单位之间的聚首、分享现象与汲取旅途。

个Graph经常至少包含四样东西：

节点（Node）：承担某种职责的职责单位。它不错是段细目代码、次模子调用、个器具，也不错是个会自行轮回的圆善Agent。

边（Edge）：贯通节点之间如何派遣。它不单是“先作念A，再作念B”，还能抒发并行、条目、失败、重试和回退。

分享现象（State）：像名主见全球职责台，保存需求、研究条记、代码版块、测试成果和审查论断。

路由功令（Routing）：决定下步去那处。举例“测试通过就托福；测试失败就回到竣事节点；信息不及就回到研究节点”。

黄仁勋在Startup School 2026大会上抒发了访佛的不雅点，当底层竣事越来越多地被Agent自动化，东说念主类的中枢价值将从“亲手完成每个方法”转向“瞎想系统、明确敛迹、组织信息流，并以细粒度式适度Agent”，Graph Engineering试验上即是瞎想个可不雅察、可路由、可敛迹、可局部修正的推行系统。

尽管“Graph Engineering”近才成为热词，但现象机、职责流引擎、DAG调养、任务部队和学问图谱早已存在。新变化不在于发明了Graph这种编排面目，而在至今天的节点不错放进好像贯穿指标、使用器具并自行轮回的Agent。

2024年参预ACL的ChatDev，把软件开辟组织成由不同角参与的“软件公司”，通过通讯完成瞎想、编码和测试；同庚参预ICLR的MetaGPT，则把圭表功课经由写入多Agent合作框架。[4][5]它们其时不叫Graph Engineering，却还是在实践角单干、阶段派遣和分享产物。

2024年12月，Anthropic在《Building Effective Agents》中追思了教唆链、路由、并行、编排者/职责者和评价者/化者等常见结构。把这些结构画出来，得到的恰是不同神色的推行图。[6]

学术研究走得早，GPTSwarm的论文《Language Agents as Optimizable Graphs》发表于ICML2024：节点认真处理信息或调用模子，边认真在Agent之间传递信息；研究者还尝试共同化节点中的Prompt和节点之间的聚首。[7]

“Graph Engineering”这精准说法也并非2026年才出现。

2025年5月，Anthony Alcaraz在LinkedIn写说念，构建Agentic AI终是种Graph Engineering：横向的职责流图纪录Agent处于多方法经由的哪环，以及允许哪些现象转变；纵向的学问图谱则组织实体和关系，用于检索、事实考据与敛迹查验。[8]

到2026年，框架层还是把这套想想作念得加明确。LangGraph将节点、边、分享现象、握久化推行和东说念主工介入当作中枢才能，允许细目代码与模子驱动方法存在于同张图中[9]。Google在ADK2.0中卓著出Graph-first的职责流引擎：开辟者不错界说节点和边，由调养器认真并发、现象握久化、暂停、规复、重试和东说念主工审批[10]。

从Prompt到Graph

AI Coding仍在向复杂度名目进化

跟着对AI coding使用的入，处理任务的复杂度也越来越，弗成只靠LLM单斗，而是需要通过多结构化的工程妙技（迂回文、环境、响应轮回、多Agent拓扑）来不断拓宽AI的自范围。

Prompt阶段：你输入“生成网页”，它凭预测验纪念盲猜。就像给实习生句话敕令，写出来的代码全凭运说念。

Context阶段（带入名目）：把手艺栈、瞎想稿和API文档塞给它。有了名目迂回文纪念，写出来的代码终于不再“对牛弹琴”。

Harness阶段（给到器具）：接入终局、沙箱、Git和MCP。AI领有了行径才能，从“写代码的文员”进化成能去运行和测试的CodingAgent。

Loop阶段（自我闭环）：引入查验和适度逻辑。报错了毋庸东说念主插足，它我方看Log、改代码、再跑测试，完成了自我纠错（Self-Correction）。

Graph阶段（多Agent组队）：面对大名目，拆解成业节点。如研究节点认真调研写条记，把现象通过路由传给竣事节点去落地，隔热条设备竣事多Agent或Agent与东说念主的圭表化协同。

主流Coding Agent还是在用Graph

只是莫得把丹青出来

Graph Engineering听起来像需要先学习套复杂框架，试验使用中未如斯。2026年7月25日，OpenAI Harness Engineering研究员Alex Kotliarskyi在X上给出了份只好两步的教程：先画张Graph，画在纸上也不错；再把图交给Codex，让它编写并运行竣事该职责流的剧本。“莫得三步。”[11]

越来越多Coding Agent还是把任务拆解、子Agent、并行推行、停止职责区、失败重试和成果汇总作念进居品，只是不会经久把底层结构展示成经由图。

OpenAI Codex不错让主Agent把探索、测试、日记分析等立职责托福给多个子Agent，并行完成后复返摘录。官也提醒，并行适读密集型任务；多个Agent同期修改代码会加多打破和谐和老本[12]。对用户而言，这可能只是句“分别研究、竣事和审查，后汇总”；对系统而言，还是临时酿成了张“主节点—职责节点—汇总节点”的推行图。

Claude Code的Subagents各自领有立迂回文，不错承担代码审查、调试和贵寓分析等门任务[13]。实验的AgentTeams又加入团队认真东说念主、分享任务列表、任务依赖和成员间通讯：前置任务未完成时，下贱任务弗成取；成员不错自行认任务并交换成果[14]。

Cursor在2.4版块中加入默许与自界说Subagents，让它们分别处理代码库研究、终局敕令和并行职责流；每个子Agent使用立迂回文[15]。Cursor2.0还允许同Prompt多启动八个Agent，在立GitWorktree或辛劳机器中尝试不同案，避文献径直打破[16]。

这些居品接近“运行时生成Graph”：用户给出指标，Agent临时决定怎样拆解和合作。LangGraph和GoogleADK则允许开辟者把要道节点、边、现象和路由显式写出来。

咱们老练的Kimi Agent Swarm与Coze Studio，则把访佛想想包装成庸碌用户不错径直调用的“AI组织”。

Kimi Agent Swarm走的是“运行时动态成图”：面对适拆分的复杂任务，主Agent临时决定创建哪些子Agent、哪些任务并行，以及成果怎样汇总。官称它多可谐和300个子Agent，单个任务可完成4,000次以上器具调用，适大鸿沟搜索、长文写稿和批处理[17]。

Coze Studio则把图径直摆在用户眼前：开辟者不错在可视化画布上聚首模子、插件、代码和子职责流等节点，再用条目分支与变量映射章程推行旅途。Coze Studio的官开源文档明确将这套职责流描摹为同期包含适度流和数据流的有向环图（DAG）[18]。

Graph适可拆分、可验收的复杂任务

而不是扫数复杂任务

Graph常用于复杂任务，但“复杂”不单是方法多。委果决定它是否适的，是任务结构：

好像拆分：不同部分不错交给不同节点立完成，而不是扫数方法王人依赖同份圆善迂回文。

存在分支或回退：系统如实需要字据测试、贵寓圆善或东说念主工意见汲取不同旅途。

中间现象值得保存：需求、研究条记、代码、测试成果和审查论断需要被后续节点复用。

成果好像验收：存在测试、评分圭表、功令查验或东说念主工审批，匡助系统判断陆续、回退照旧结尾。

合作收益于谐和老本：并行与业单干带来的收益，足以对消模子调用、迂回文传递、成果并和打破处理的老本。

举例，个需要调研需求、汲取手艺案、竣事前后端、运行测试并通过安全审查的居品，适组织成Graph。研究与界面原型不错并行，测试失败不错回到竣事节点，贵寓不及不错清偿研究节点。

但修改个按钮颜、讲解段代码或生成个苟简页面，经常交给个Agent快。即使任务很难，若是每步王人严格依赖上步、扫数参与者须分享圆善迂回文，也未适Graph，不为了“组队”而组队。

2026年7月24日，《Nature Machine Intelligence》发表了项澌灭260种建树、六类基准、五种架构和三模子系列的研究。成果并不赈济“Agent越多越好”：在可拆分的金融任务中，多Agent相对单Agent晋升80.8；在章程依赖很强的Plan Craft计算任务中，着落70；在SWE-benchVerified上，四类多Agent架构均出现1.3至12.8的着落[19]。要道变量不是空洞的“复杂度”，而是任务能否被有拆分，以及谐和老本会不会过任务自己。

与此同期，Graph也会濒临老本的风险：每加多个Agent，系统王人要准备迂回文、调用模子、传递成果并进行汇总。若是职责辨别不清，多个Agent可能重叠搜索同贵寓、同期修改疏通文献，甚而用多半Token接头彼此制造的问题。Graph的指标不是召集尽可能多的Agent，而是用尽可能少的节点踏实完成任务。

如Anthropic的Research使用个主Agent制订野心，再创建多个子Agent并行搜索，后交给援用查验Agent处理起头。里面评测中，这套架构在适广度搜索的任务上比单Agent90.2；代价相似显著：庸碌Agent的Token耗尽约为聊天面目的4倍，多Agent系统约为15倍。Anthropic也指出，多半章程依赖、要求扫数Agent分享疏通迂回文的任务，现在并不适这种架构。[20]

Graph Engineering并莫得宣判Loop落伍。正值相背，Graph的每个节点王人可能运行我方的Loop。它新增的工程问题是：哪些Loop应该存在，它们怎样派遣，谁能修改分享现象，失败后回到那处，以及什么时期须停驻来。

这亦然从Prompt到Graph的委果递进：工程师的详实力从“怎样写句好的指示”，冉冉彭胀到“怎样准备信息、提供器具、确立响应，再把多个推行单位组织成个可不雅察、可规复、可适度老本的系统”。

参考贵寓：

[1]Steinberger P.[Are we still talking loops or did we shift to graphs yet?][EB/OL].[2026-07-29].

[2]Osmani A.Loop Engineering[EB/OL].(2026-06-08)[2026-07-29].

[3]Husain H.Loop Engineering Is Dead.Enter Graph Engineering[EB/OL].[2026-07-29].

[4]Qian C,Liu W,Liu H,et al.ChatDev:Communicative Agents for Software Development[C/OL]//Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics(Volume 1:Long Papers).Bangkok:Association for Computational Linguistics,2024:15174-15186[2026-07-29].

[5]Hong S,Zhuge M,Chen J,et al.MetaGPT:Meta Programming for A Multi-Agent Collaborative Framework[C/OL]//International Conference on Learning Representations.2024[2026-07-29].

[6]Erik S,Zhang B.Building effective agents[EB/OL].(2024-12-19)[2026-07-29].

[7]Zhuge M,Wang W,Kirsch L,et al.GPTSwarm:Language Agents as Optimizable Graphs[C/OL]//Proceedings of the 41st International Conference on Machine Learning.Proceedings of Machine Learning Research,2024,235:62743-62767[2026-07-29].

[8]Alcaraz A.[Building an agentic AI is ultimately an act of graph engineering][EB/OL].[2026-07-29].

[9]LangChain Inc.LangGraph overview[EB/OL].[2026-07-29].

[10]Klopfenstein T,Maddula S K.Build reliable multi-agent applications with ADK Go 2.0.Discover our new graph-based workflow engine,built-in human-in-the-loop,and dynamic orchestration[EB/OL].(2026-06-30)[2026-07-29].

[11]Kotliarskyi A.[How to graph-max with Codex and 5.6 Sol][EB/OL].(2026-07-25)[2026-07-29].

[12]OpenAI.Subagents[EB/OL].[2026-07-29].

[13]Anthropic.Create custom subagents[EB/OL].[2026-07-29].

[14]Anthropic.Orchestrate teams of Claude Code sessions[EB/OL].[2026-07-29].

[15]Cursor.Subagents,Skills,and Image Generation[EB/OL].(2026-01-22)[2026-07-29].

[16]Cursor.New Coding Model and Agent Interface[EB/OL].(2025-10-29)[2026-07-29].

[17]Moonshot AI.Agent Swarm才能[EB/OL].[2026-07-29].

[18]Coze Studio.Add new workflow node types(backend)[EB/OL].(2025-09-12)[2026-07-29].

[19]Kim Y,Gu K,Park C,et al.Capable language models can outgrow the benefits of collaboration[J/OL].Nature Machine Intelligence,2026,8:1157-1172[2026-07-29].

[20]Hadfield J,Zhang B,Lien K,et al.How we built our multi-agent research system[EB/OL].(2025-06-13)[2026-07-29].

本内容由作家授权发布，不雅点仅代表作家本东说念主，不代表虎嗅态度。如对本稿件有异议或投诉，请商酌 tougao@huxiu.com。

本文来自虎嗅，原文邻接：https://www.huxiu.com/article/4879987.html?f=wyxwapp

手机：18631662662（同微信号）相关词条:玻璃棉     塑料挤出机厂家     钢绞线    管道保温    PVC管道管件粘结胶

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》黄南隔热条设备厂家家，以此来变相勒索商家索要赔偿的违法恶意行为。