碳基智2026年08月04日预计 5 分钟AI 造词仙人们又闲不住了，这次整的新词叫 Graph Engineering，然后网上铺天盖地又是一波 Loop Engineering is Dead,Long Live the Graph Engineering 的营销。

        不对，应该是 Short Live，我很怀疑 Graph Engineering 能不能火过 8 月。

        老读者都知道，我这人最喜欢做些剥皮拆骨的事，那么今天就跟大家一起，聊聊 Graph Engineering 这玩意儿，本质到底是啥。

        1  照惯例还是来个名次解释，看看 AI 造词仙人们又憋了什么屁。

        Graph Engineering 是指：把一个或多个智能体、模型调用、确定性代码、工具、验证器和人工审批点，组织成可执行图的工程实践。

        其中，节点负责工作，边规定接下来允许发生什么，状态保存系统已经知道和做过的事，运行时负责调度、持久化、重试、暂停与恢复。

        LangChain 团队在一篇博文中讲得比较清楚：节点可以是确定性代码、一次模型调用、工具调用，也可以是内部自带循环的完整 Agent；

        边可以固定，也可以依据节点输出、共享状态或外部信号动态决定。

        它本质上可以被看成状态机。那用说人话的方式讲，它想干嘛呢？

        它想实现的，还是让 AI 系统稳定工作，这也是 Prompt、Context、Harness、Loop 们一直想实现的结果。

        这些所谓的几次范式迭代，都不是后者取代前者的关系，是一层一层往上堆叠，后者解决前者解决不了的问题，带来新的问题，需要更新的所谓范式去解决。

        属实是 AI 圈子里的“面多了加水，水多了加面”了。

        2  单次 Prompt 解决表达，单个 Loop 解决迭代，Graph 解决协调。

        用户输入一段 Prompt，模型输出一套结果。复杂一点以后，系统给模型接上工具、记忆和环境，这层就是 Harness。

        再往前一步，Agent 进入“观察、计划、行动、检查”的循环，直到完成或触发停止条件。

        单循环在任务边界清楚时很好用，但现实工作场景往往是串联的，把所有事情塞进同一段对话，状态会变长，职责会混在一起，局部失败也很难局部恢复。

        Graph Engineering 干的事就是把这些隐含关系外置成结构。

        它主要处理六类问题：分工：不同节点只拿完成本职工作所需的上下文和工具。

        依赖：哪些任务能并行，哪些必须等待前置结果。控制：模型在哪些地方可以自由判断，哪些路径由代码强制。

        状态：事实、产物、预算和执行进度放进可检查的共享状态，不靠聊天记录硬撑。

        失败隔离：某个分支失败，可以重试或回滚该分支，不必让整场任务从头再来。

        治理：权限、审批、证据、日志和责任归属进入图结构。

        到这里，你有没有发现一个现象：虽然 Graph 是造词仙人们整的新活儿，但它背后的一个趋势其实已经呼之欲出：AI Agent 已经开始深入到核心工作和组织结构里了，现在的 AI 工程发展也越来越往组织设计的方向走了。

        我在想，下一套 Engineering “范式”，没准就是彼得德鲁克那套了。

        3  Graph 跟它的上一代范式 Loop 之间的关系是怎样的？

        Loop 解决“如何让单个智能体持续工作”，Graph 解决“如何把多个智能体、工具、人组织成一个可观测、可恢复、可扩展的系统”。

        聪明的你肯定想问了，Agent 为什么会从 Loop 走到 Graph？

        因为 Loop 天生只有一条主线。一个 Agent 观察、行动、检查、再行动，特别适合写代码、解题这类强顺序任务。

        现实工作却经常只有部分步骤需要排队：研究可以分头搜索，代码修改和文档准备可以并行，发布前必须等待测试与审批。

        把这些工作全塞进一条 Loop，系统只能依次处理，所有过程挤进同一份上下文，任何局部失败还可能拖着整条轨迹重跑。

        Graph 则提供了更贴合这种任务结构的表达。能独立进行的工作从节点处分叉，需要等待的结果在汇合点重聚，验证失败沿环路返回，高风险动作在人工节点暂停。

        每个节点内部照样可以运行自己的 Loop。Loop 负责把一件事反复做好，Graph 负责安排多件事之间的依赖、交接和权力。

        这里是存在明确边界的。Google Research 测试了 180 种 Agent 配置后发现，可并行的金融分析任务使用集中式多 Agent，表现比单 Agent 提高 80.9%；强顺序规划任务里，多 Agent 反而下降 39% 到 70%。

        只有当任务已经分叉，Graph 才能释放并行和隔离价值。

        任务仍是一条连续推理链时，你用 Graph 就纯粹是画蛇添足。

        说到底，Loop 无非是从整套系统里的唯一结构，变成 Graph 中可以组合、隔离和恢复的基本单元。

        4  最后再总结几个核心判断：Graph 是想把自由放进笼子里，让构建者把对系统如何工作的先验结构施加到更受约束的路径上，在需要时减少对 LLM 自身判断的依赖。

        流程图升级成了可执行的组织章程。Graph Engineering 要回答：节点输入输出的契约是什么，权限如何隔离，状态由谁更新，并发冲突怎么解决，重试会不会重复消耗，路由错误怎样被发现，版本升级中的任务由谁接管等等……

        真正的新东西，是节点变成了概率性解释器。过去的节点执行指令。

        今天的 Agent 节点解释意图。确定性工作流管理机器步骤，Agent Graph 管理概率性行动者。学废了吗朋友们？