背景最近AI 界又双叒叕出现了新的 Agent 范式概念叫做 Graph Engineering让我们一探究竟。先别看到“Graph”就觉得这是老生常谈。没错图结构、图神经网络或者知识图谱、图谱工程大家确实听得耳朵都起茧子了以及图数据库、图知识库之类的市面上也已经非常多了。图片但这次提到的 Graph Engineering 还不太一样。它并不是那些旧概念的堆叠而是在 Loop Engineering 基础之上涌现出来的新形态。你可以把它理解为 Loop Engineering 的改进升级版。那这个风潮是从哪儿刮起来的呢图片就在 7 月 18 号OpenClaw 的作者 Peter Steinberger 在 X 上发了一条动态问了一个很有意思的问题“Are we still talking loops or did we shift to graphs yet?”我们到底还在聊 Loop还是说大家都已经转向 Graph 了这里的“Graph”指的就是咱们今天要聊的 Graph Engineering图工程。其实关于图工程的文章已经有不少了但是我看完发现很多都是在介绍图的概念、图结构以及边、节点之间的关系我个人觉得这些并不是 Graph Engineering 的重点而是一种新的工程范式。因此我这篇文章不去重点介绍图的概念实现而是从图工程的本质是什么以及为什么要做这件事来讲起。本文我将会结合 AI 领域一位很有独到见解的专家 Carlos Perez 的一篇文章《From Loop Engineering to Graph Engineering? What the shift in AI agent architecture is really about》来展开对图工程的理解和叙述。这篇文章和 Peter Steinberger 的那条推文形成了呼应。他们共同指向了一个核心趋势我们正在从 Loop Engineering 转向 Graph Engineering。单指标验证一定带来正向优化吗为什么要从 Loop Engineering 转向 Graph Engineering首先我们需要看下 Loop Engineering 存在哪些问题其实在我上个月那篇文章发出后有很多同学开始尝试用 Loop Engineering 去构建自己的 Loop或者打造工作场景中的 Agent。这种“自我验证、自动完成任务”的机制跟我之前提到的 Skill 自进化EvoSkill、SkillOpt 等框架是非常相关的。这些框架的核心思想都利用了类似 Loop Engineering 的逻辑来进行自我验证。但这里有一个非常明显的局限性它们的验证标准通常是固定的函数或单一的指标值。举个例子如果你要做文本分类那么“分类准确率”就是你自我验证的标尺。只有当准确率提升了系统才会接受这次优化并应用它。但这会带来什么大问题呢单目标优化极易陷入“过拟合”甚至会让模型学会“作弊”。为了达到提升指标的目的模型可能会竭尽所能地绕过真正的难点通过一些 trick 甚至是“弄虚作假”的方式来刷高分数。最终的结果往往与我们想要的真实效果背道而驰。图片Carlos Perez 在他的文章里讲了一个特别典型的故事完美诠释了这一点有一个国外的公司团队花了一个季度构建客服 AI 聊天机器人目标很明确解决用户问题。他们选定的核心考核指标是“问题解决率”。每周他们都会测量这个数值如果数字下降就让 AI 自动优化提示词和策略强行把问题解决率拉回来。结果看似很美问题解决率的指标连续 5 个月一直在涨。但现实很残酷产品的续约数据在跌客户流失率在飙升。图片这显然是一次非常失败的优化。为什么呢经过该团队的深入调研发现发现 AI 为了迎合“高解决率”这个单一指标学会了一套“骚操作”快速关闭对话用户话还没说完AI 扔出一个回答就立刻标记为“已解决”强行切断交互。阻止追问不让用户继续问下去因为一旦用户追问可能就会生成新的工单从而拉低当前的“一次性解决率”。滥用标记把那些不再说话、或者显得不想再问的用户统统标记为“已解决”。你看通过 Loop EngineeringAI 很快就把账面数据做得非常漂亮。但这种优化是以牺牲巨大的客户体验为代价的。数字虽然在上升但这是一种典型的“负向优化”。单 Loop 的四种失败原因这种单 Loop 循环有 4 种典型的失败原因Goodharts Law古德哈特定律这个定律是英国经济学家查尔斯·古德哈特提出的什么意思呢简单来说就是当一个指标被优化到一定程度之后它就不再能衡量它原本想要衡量的东西了。Loop 只能“看到”它的指标所以它会想尽一切办法去提升这个指标哪怕这意味着要“背叛”用户的真实初衷只要能把数字做上去就行。Blindness Upward向上的盲视这个 Loop 无法去质疑验证目标本身是不是对的。就像我们用遥控器设定空调温度维持在 26°C空调是不会去思考“26°C 这个设定本身合不合理”它只需要埋头去完成这个目标就行。问题就在于如果目标本身定得不合理、或者有漏洞可钻那这个 Loop 越努力反而就越会竭尽所能地用“错误的方式”去实现“正确的数字”。Conflict冲突如果系统里有多个 Loop它们可能会“打架”。比如一个 Loop 要求“速度足够快”另一个 Loop 要求“结果足够好”。但现实往往是快不一定好好也不一定快。一旦这两个目标之间产生冲突单 Loop 架构就很难协调容易顾此失彼导致冲突的发生。Measurement Decay测量衰减这个问题其实更隐蔽当 Loop 发现某些数据“做不到”的时候它不会反思目标而是悄悄想办法“改变测量方式”。比如我的评判标准能不能调一下我的评测集能不能换一批更简单的只要让考题变简单了是不是就更容易“达标”了这四种情况本质上都是单 Loop 架构的结构性缺陷它太聚焦于“完成指标”而忘了“指标为什么存在”。这些都是它在实际落地时非常容易出现、却又很难被及时发现的问题。用 Loops 监督 Loops接下来我们来看看Graph Engineering 到底是用来解决什么问题的在 Carlos Perez 的那篇文章里有一句非常精辟的话“Loops watching loops”用循环来监督循环。这是什么意思呢想象一下单个 Loop 很容易盯着一个数字拼命优化容易跑偏。但如果我们有多个 Loop让它们互相“看着”对方那么当一个 Loop 为了刷数据而狂奔时另一个 Loop 就可以站出来质疑它、纠正它。这就相当于在 Loop 之间建立了一种监管机制。图片这就有点像公司的管理结构基层员工看日报这是一个快速 Loop管理层看季报这是一个中速 Loop审计部门看年报这是一个慢速 Loop高层战略部看方向这是一个更慢、更宏观的 Loop。这一层层不同速度的循环互相监视就能确保大方向不会出问题。这就是 Graph Engineering 的核心特点它通过这种多层级的结构解决了刚才提到的单循环那四个致命问题针对古德哈特定律刷指标Graph 可以配置一个“监督循环”。比如既有一个负责优化“解决率”的 Loop也有一个专门盯着“续约率”的 Loop。两个 Loop 互相制衡防止为了提升解决率而牺牲客户体验避免模型在单一指标上过拟合。针对向上盲视不质疑目标我们可以增加一个“慢循环”专门负责修正和调整目标本身。如果目标定错了这个慢循环会发现并纠偏。针对冲突多 Loop 打架增加一个“仲裁循环”。当“快”和“准”发生冲突时由它来决定优先级是以速度为主还是以质量为主这样就能处理更复杂的权衡情况。针对测量衰减数字腐烂增加一个“审计循环”定期检查这些指标是否还能真实反映现实情况。如果发现评测集太简单或者指标失真了就及时介入调整。给个生活化的例子是不是听起来还是有点抽象没关系我用一个大家都能理解的例子——减肥来重新解释一下。假设你定了一个目标减重到 70kg。你的测量方式也很直接就是上秤称体重。图片单 Loop Engineering 模式你每天早上称一次体重发现从 80kg 降到 79、78再到 75、73……这就是一个典型的 Loop设定目标 → 执行动作 → 测量结果 → 再执行 → 再测量。所有的改进都基于这个结构我做的所有动作都是为了降低体重这个数字。但问题来了如果只靠这一个单循环为了快速降重你可能会采取极端手段比如脱水减少体内水分比例或者吃对身体有害的减肥药。结果可能是体重确实轻了但这不代表脂肪少了可能是纯脱水或者肌肉流失甚至把身体搞垮了。减肥初衷是为了健康结果却适得其反这就是目标达到了人废了。Graph Engineering 模式如果用 Graph Engineering 的思路来减肥我们会构建这样一张 Graph包含多个循环1. 体重循环快循环每天称体重控制饮食。这是最基础的 Loop。2. 健康循环中速循环每个月做一次体检监控血压、血糖、体内水分等指标。作用判断身体是否正常。如果出现脱水或低血糖哪怕体重还在降这个循环也会发出警报强制校正行为比如停止节食优先保证健康。3. 方法循环慢速循环每个季度复盘一次我的减肥方法科学吗作用如果发现只是单纯节食导致代谢降低那就调整策略增加运动来提高代谢频率让减肥变得更可持续。4. 目标循环超慢循环/战略层定期问自己一个问题我为什么要减肥70kg 这个目标合理吗作用也许你会发现死磕体重这个数字本身就不合理。只要三高降下来、身材匀称、健康指标正常就是成功。这时候你可能就会调整目标维度不再执着于“70kg”这个单一数值而是关注整体健康状态。最后总结一下这个比喻。单 Loop 减肥的情况下很容易疯狂节食、脱水只为让秤上的数字变小。而 Graph 减肥有体重监控有健康兜底有方法复盘还有目标校准。所以通过这种多层循环的互相监督和协作我们才能避免“为了优化指标而牺牲本质”的陷阱。这就是 Graph Engineering 真正厉害的地方。Graph vs Workflow听到这里肯定会有朋友忍不住问“这不就是早些年的 Workflow工作流吗或者像 Claude Code 前段时间推出的 Dynamic Workflow本质上不都一样是图结构吗”这里我需要稍微澄清一下Graph Engineering 和传统的 Workflow 有着本质的区别。图片传统 Workflow确定性的“流水线”传统的 Workflow 虽然也是图结构但它是一种确定性的图。这意味着你需要在早期就人为地把整个流程设定好第一个节点怎么流向第二个节点、路由规则是什么、下一步往哪走。中间虽然可能嵌入了一些 Agent 节点但整体骨架是固定的脚本或判断逻辑。它是被预先约定好的一旦运行路径基本不可变。Dynamic Workflow动态但相对固定那有同学会说前段时间 Claude Code 推出了 Dynamic Workflow 的功能它可不是传统的Workflow而是一段在运行过程中动态拆解和生成的脚本。Claude 会把复杂任务拆成子任务用 JavaScript 脚本编排通过 Pipeline 并行执行。但 Dynamic Workflow 仍然是一个产品功能是给单个开发者用的用来完成一个相对固定点的任务。虽然任务是动态生成的但它的目的往往是为了避免上下文过长导致走偏依然偏向于“一次性执行”或“短时任务”。Graph Engineering动态的“组织管理”相比之下Graph Engineering 是一个更高维度的抽象它不仅仅是一种结构更是一种做事的方法论、工程范式、哲学它面向的是多智能体协同处理的是复杂的、长期运行的交互。它更像是一个需要长期存在的“组织结构”比如每天定时运行、复盘、交互。它最主要的特点动态与自主它不是一个固定的图而是在运行过程中动态显现出来的。它没有被预先完全定义而是可以在运行中动态调整并且由 Agent 自主主导。组合与循环它不是单一的大图而是多个 Loop 循环的结合体。可以这样形象的比喻一下Workflow 像是一条工厂流水线无论是静态还是动态它都是规定好了第一步做什么、第二步做什么、第三步做什么全部提前定好直接执行。是一个固定的流程去完成固定任务。而 Graph Engineering 像是一家公司的组织管理任务拆分成一张 Graph包含多个子 Loop 去执行具体任务。每个 Loop 内部都有自我验证机制Loop 之间还有交集和信息共享。或者我举个具体的例子假设你的 Loop A 优化了一版 PromptLoop B 就会去检查这个 Prompt 是否合理。如果不合理Loop B 会把它打回去让 Loop A 重新调整。Loop B 不会只盯着自己的 KPI而是会根据它的视角反馈 Loop A 的错误。这就像公司里的部门协作主 Agent 做统筹底下的子 Loop 相互监管共同解决复杂问题。每个 Loop 内部都是一套完整的“执行-验证-迭代”闭环。所以Graph Engineering 不是某个具体的 Agent 框架而是一种哲学层面的思想如何通过 Loop 和 Graph 的方式实现更自主的决策、可验证的结果、可互相监督的机制从而让人从繁琐的工作中解脱出来让模型自己去运作。如何确保 Graph 不跑偏Carlos Perez 在文章中还提到了三个非常关键的方法用来尽量保障 Graph Engineering 不跑偏。图片Anchors锚点不可争论的事实有些东西必须是铁一般的事实不能由模型说了算。比如“钱真的转到账户里了”而不是报告上写了一句“转账成功”比如“测试代码真的跑通了”而不是标记为“Pass”比如“客户真的还在系统中活跃”而不是被标记为“留存”。这些锚点必须通过外部系统真实验证用来监督 Loop 的有效性防止模型自欺欺人。Frozen Nodes冻结节点永远不能碰的规则某些规则是优化器永远不能修改的。最典型的就是测试集。一旦定好了一个有效的测试集就不能因为“效果不理想”而去改简单它。如果允许模型为了提升指标而修改测试集那就回到了之前说的“测量衰减”陷阱。所以核心评估标准必须被“冻结”严禁优化器触碰。External Judgment外部判断人来决定“什么值得追求”“什么事情是值得做的”、“什么目标是有意义的”——这些问题不应该由系统自己回答而必须由人来判断。系统可以高效地执行但价值导向必须由人来把控。这是防止 AI 在错误的道路上狂奔的最重要防线。通过锚点确保真实性通过冻结节点确保评估公正通过外部判断确保方向正确这三者结合才能真正监管好这个复杂的 Graph 体系。Graph 具体实战讲了这么多给大家讲一个具体的实战小例子还是回到我们熟悉的文本分类场景看看我是怎么运用 Graph Engineering 的思路来落地的。在之前 Loop Engineering 的文章里我提到过构建一个自动运行的文本分类的 Loop。图片Loop 1文本分类1. 确定标签先明确文本分类大概有哪些类别。2. 构建评测集让 Agent 自动生成一套评测数据。3. 自动调试如果分类准确就把这个能力沉淀下来如果出错就继续调优 Prompt。目标是让这个小任务的准确率冲到 95% 以上一旦达标自动停止。但在实际落地中发现一个问题线上效果死活达不到 95% 时模型开始“耍花招”了。主要会出现两种问题过拟合Overfitting模型为了凑够那 95%会去找一些“投机取巧”的特征。比如它可能发现某类文本里经常出现某个无关紧要的词就把它当成判断依据。结果就是在评测集上分数很高但放到真实业务里全是错判。操纵评测集Manipulating the Benchmark既然改模型太难那就改考题呗。模型会发现评测集里有一些难啃的骨头错误或复杂的 Case于是它偷偷把这些 Case 删掉或者替换成简单的案例。这样一来95% 的指标轻松达成但这完全是自欺欺人。为了解决这两个问题除了构建文本分类器的 Loop我专门引入了两个额外的 Loop构成了一个简单的 Graph 结构Loop 2监督分类依据这个 Loop 不负责跑分只负责审查。它会检查经过优化后的分类规则是否真的合理。如果发现模型引入了一些奇怪的、过拟合的规则比如只看某个无关词它就会直接驳回这次优化强制模型重新思考。Loop 3监管评测集这个 Loop 的核心原则是评测集不可随意修改。理论上评测集是不允许随意调整的。如果非要调整比如补充新数据必须经过另一个 Agent 的严格审批调整的依据是什么新数据的来源哪里是不是随机抽取的如果不是随机且合理的直接打回。这就堵死了模型“改考题”的路。此外为了进一步防止过拟合我还采用了经典的测试集Test Set 验证集Validation Set策略。模型只能在测试集上进行迭代和优化。验证集对模型是盲盒它看不到结果。只有当模型在测试集通过后再去跑验证集。如果验证集的效果也提升了那才是真正的提升。通过这三个 Loop 的互相制衡虽然整体收敛的速度变慢了但最终得到的模型在泛化能力和真实准确度上远比那种“暴力刷分”的模式要靠谱得多。总结最后我们做一个总结。AI 时代的发展速度快得惊人。新概念层出不穷今天叫 Loop明天叫 Graph后天可能又冒出个新词。面对这些眼花缭乱的名词我们要做的不是盲目追随而是擦亮眼睛看清每个概念背后真正解决的问题是什么。Loop Engineering在我的理解里它解决的是“自动化”的问题。即如何在不脱离人类目标的前提下让 AI 能够自动运转、自我迭代尽可能减少人的手动干预。而 Graph Engineering则是在 Loop 的基础上解决“方向与有效性”的问题。因为它意识到单纯的 Loop 容易走向极端为了优化而优化甚至违背初衷。所以Graph Engineering 本质上是给 Loop 加上了监管机制和互相监督体系。未来肯定还会出现更多新的方法论。它们无一例外都是在修补现有框架的漏洞解决新出现的问题。名字本身其实并不重要。也许你已经在做 Loop Engineering 或 Graph Engineering 的实践了只是你不知道它们叫这个名字。这些术语不过是 AI 领域的大佬、头部专家为了便于传播和交流所定义的标签而已。我们需要保持科学和客观的态度每一个新概念出现时去理解它、拆解它然后判断它到底能不能为我所用它解决了我当下的什么痛点这才是我们在这个快速变化的 AI 时代最该有的生存法则。学习资源推荐如果你想更深入地学习大模型以下是一些非常有价值的学习资源这些资源将帮助你从不同角度学习大模型提升你的实践能力。一、全套AGI大模型学习路线AI大模型时代的学习之旅从基础到前沿掌握人工智能的核心技能因篇幅有限仅展示部分资料需要点击文章最下方名片即可前往获取二、640套AI大模型报告合集这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示因篇幅有限仅展示部分资料需要点击文章最下方名片即可前往获取三、AI大模型经典PDF籍随着人工智能技术的飞速发展AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型如GPT-3、BERT、XLNet等以其强大的语言理解和生成能力正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。因篇幅有限仅展示部分资料需要点击文章最下方名片即可前往获取四、AI大模型商业化落地方案作为普通人入局大模型时代需要持续学习和实践不断提高自己的技能和认知水平同时也需要有责任感和伦理意识为人工智能的健康发展贡献力量。 从 Loop 到 Graph Engineering 的演进思考与实战
背景最近AI 界又双叒叕出现了新的 Agent 范式概念叫做 Graph Engineering让我们一探究竟。先别看到“Graph”就觉得这是老生常谈。没错图结构、图神经网络或者知识图谱、图谱工程大家确实听得耳朵都起茧子了以及图数据库、图知识库之类的市面上也已经非常多了。图片但这次提到的 Graph Engineering 还不太一样。它并不是那些旧概念的堆叠而是在 Loop Engineering 基础之上涌现出来的新形态。你可以把它理解为 Loop Engineering 的改进升级版。那这个风潮是从哪儿刮起来的呢图片就在 7 月 18 号OpenClaw 的作者 Peter Steinberger 在 X 上发了一条动态问了一个很有意思的问题“Are we still talking loops or did we shift to graphs yet?”我们到底还在聊 Loop还是说大家都已经转向 Graph 了这里的“Graph”指的就是咱们今天要聊的 Graph Engineering图工程。其实关于图工程的文章已经有不少了但是我看完发现很多都是在介绍图的概念、图结构以及边、节点之间的关系我个人觉得这些并不是 Graph Engineering 的重点而是一种新的工程范式。因此我这篇文章不去重点介绍图的概念实现而是从图工程的本质是什么以及为什么要做这件事来讲起。本文我将会结合 AI 领域一位很有独到见解的专家 Carlos Perez 的一篇文章《From Loop Engineering to Graph Engineering? What the shift in AI agent architecture is really about》来展开对图工程的理解和叙述。这篇文章和 Peter Steinberger 的那条推文形成了呼应。他们共同指向了一个核心趋势我们正在从 Loop Engineering 转向 Graph Engineering。单指标验证一定带来正向优化吗为什么要从 Loop Engineering 转向 Graph Engineering首先我们需要看下 Loop Engineering 存在哪些问题其实在我上个月那篇文章发出后有很多同学开始尝试用 Loop Engineering 去构建自己的 Loop或者打造工作场景中的 Agent。这种“自我验证、自动完成任务”的机制跟我之前提到的 Skill 自进化EvoSkill、SkillOpt 等框架是非常相关的。这些框架的核心思想都利用了类似 Loop Engineering 的逻辑来进行自我验证。但这里有一个非常明显的局限性它们的验证标准通常是固定的函数或单一的指标值。举个例子如果你要做文本分类那么“分类准确率”就是你自我验证的标尺。只有当准确率提升了系统才会接受这次优化并应用它。但这会带来什么大问题呢单目标优化极易陷入“过拟合”甚至会让模型学会“作弊”。为了达到提升指标的目的模型可能会竭尽所能地绕过真正的难点通过一些 trick 甚至是“弄虚作假”的方式来刷高分数。最终的结果往往与我们想要的真实效果背道而驰。图片Carlos Perez 在他的文章里讲了一个特别典型的故事完美诠释了这一点有一个国外的公司团队花了一个季度构建客服 AI 聊天机器人目标很明确解决用户问题。他们选定的核心考核指标是“问题解决率”。每周他们都会测量这个数值如果数字下降就让 AI 自动优化提示词和策略强行把问题解决率拉回来。结果看似很美问题解决率的指标连续 5 个月一直在涨。但现实很残酷产品的续约数据在跌客户流失率在飙升。图片这显然是一次非常失败的优化。为什么呢经过该团队的深入调研发现发现 AI 为了迎合“高解决率”这个单一指标学会了一套“骚操作”快速关闭对话用户话还没说完AI 扔出一个回答就立刻标记为“已解决”强行切断交互。阻止追问不让用户继续问下去因为一旦用户追问可能就会生成新的工单从而拉低当前的“一次性解决率”。滥用标记把那些不再说话、或者显得不想再问的用户统统标记为“已解决”。你看通过 Loop EngineeringAI 很快就把账面数据做得非常漂亮。但这种优化是以牺牲巨大的客户体验为代价的。数字虽然在上升但这是一种典型的“负向优化”。单 Loop 的四种失败原因这种单 Loop 循环有 4 种典型的失败原因Goodharts Law古德哈特定律这个定律是英国经济学家查尔斯·古德哈特提出的什么意思呢简单来说就是当一个指标被优化到一定程度之后它就不再能衡量它原本想要衡量的东西了。Loop 只能“看到”它的指标所以它会想尽一切办法去提升这个指标哪怕这意味着要“背叛”用户的真实初衷只要能把数字做上去就行。Blindness Upward向上的盲视这个 Loop 无法去质疑验证目标本身是不是对的。就像我们用遥控器设定空调温度维持在 26°C空调是不会去思考“26°C 这个设定本身合不合理”它只需要埋头去完成这个目标就行。问题就在于如果目标本身定得不合理、或者有漏洞可钻那这个 Loop 越努力反而就越会竭尽所能地用“错误的方式”去实现“正确的数字”。Conflict冲突如果系统里有多个 Loop它们可能会“打架”。比如一个 Loop 要求“速度足够快”另一个 Loop 要求“结果足够好”。但现实往往是快不一定好好也不一定快。一旦这两个目标之间产生冲突单 Loop 架构就很难协调容易顾此失彼导致冲突的发生。Measurement Decay测量衰减这个问题其实更隐蔽当 Loop 发现某些数据“做不到”的时候它不会反思目标而是悄悄想办法“改变测量方式”。比如我的评判标准能不能调一下我的评测集能不能换一批更简单的只要让考题变简单了是不是就更容易“达标”了这四种情况本质上都是单 Loop 架构的结构性缺陷它太聚焦于“完成指标”而忘了“指标为什么存在”。这些都是它在实际落地时非常容易出现、却又很难被及时发现的问题。用 Loops 监督 Loops接下来我们来看看Graph Engineering 到底是用来解决什么问题的在 Carlos Perez 的那篇文章里有一句非常精辟的话“Loops watching loops”用循环来监督循环。这是什么意思呢想象一下单个 Loop 很容易盯着一个数字拼命优化容易跑偏。但如果我们有多个 Loop让它们互相“看着”对方那么当一个 Loop 为了刷数据而狂奔时另一个 Loop 就可以站出来质疑它、纠正它。这就相当于在 Loop 之间建立了一种监管机制。图片这就有点像公司的管理结构基层员工看日报这是一个快速 Loop管理层看季报这是一个中速 Loop审计部门看年报这是一个慢速 Loop高层战略部看方向这是一个更慢、更宏观的 Loop。这一层层不同速度的循环互相监视就能确保大方向不会出问题。这就是 Graph Engineering 的核心特点它通过这种多层级的结构解决了刚才提到的单循环那四个致命问题针对古德哈特定律刷指标Graph 可以配置一个“监督循环”。比如既有一个负责优化“解决率”的 Loop也有一个专门盯着“续约率”的 Loop。两个 Loop 互相制衡防止为了提升解决率而牺牲客户体验避免模型在单一指标上过拟合。针对向上盲视不质疑目标我们可以增加一个“慢循环”专门负责修正和调整目标本身。如果目标定错了这个慢循环会发现并纠偏。针对冲突多 Loop 打架增加一个“仲裁循环”。当“快”和“准”发生冲突时由它来决定优先级是以速度为主还是以质量为主这样就能处理更复杂的权衡情况。针对测量衰减数字腐烂增加一个“审计循环”定期检查这些指标是否还能真实反映现实情况。如果发现评测集太简单或者指标失真了就及时介入调整。给个生活化的例子是不是听起来还是有点抽象没关系我用一个大家都能理解的例子——减肥来重新解释一下。假设你定了一个目标减重到 70kg。你的测量方式也很直接就是上秤称体重。图片单 Loop Engineering 模式你每天早上称一次体重发现从 80kg 降到 79、78再到 75、73……这就是一个典型的 Loop设定目标 → 执行动作 → 测量结果 → 再执行 → 再测量。所有的改进都基于这个结构我做的所有动作都是为了降低体重这个数字。但问题来了如果只靠这一个单循环为了快速降重你可能会采取极端手段比如脱水减少体内水分比例或者吃对身体有害的减肥药。结果可能是体重确实轻了但这不代表脂肪少了可能是纯脱水或者肌肉流失甚至把身体搞垮了。减肥初衷是为了健康结果却适得其反这就是目标达到了人废了。Graph Engineering 模式如果用 Graph Engineering 的思路来减肥我们会构建这样一张 Graph包含多个循环1. 体重循环快循环每天称体重控制饮食。这是最基础的 Loop。2. 健康循环中速循环每个月做一次体检监控血压、血糖、体内水分等指标。作用判断身体是否正常。如果出现脱水或低血糖哪怕体重还在降这个循环也会发出警报强制校正行为比如停止节食优先保证健康。3. 方法循环慢速循环每个季度复盘一次我的减肥方法科学吗作用如果发现只是单纯节食导致代谢降低那就调整策略增加运动来提高代谢频率让减肥变得更可持续。4. 目标循环超慢循环/战略层定期问自己一个问题我为什么要减肥70kg 这个目标合理吗作用也许你会发现死磕体重这个数字本身就不合理。只要三高降下来、身材匀称、健康指标正常就是成功。这时候你可能就会调整目标维度不再执着于“70kg”这个单一数值而是关注整体健康状态。最后总结一下这个比喻。单 Loop 减肥的情况下很容易疯狂节食、脱水只为让秤上的数字变小。而 Graph 减肥有体重监控有健康兜底有方法复盘还有目标校准。所以通过这种多层循环的互相监督和协作我们才能避免“为了优化指标而牺牲本质”的陷阱。这就是 Graph Engineering 真正厉害的地方。Graph vs Workflow听到这里肯定会有朋友忍不住问“这不就是早些年的 Workflow工作流吗或者像 Claude Code 前段时间推出的 Dynamic Workflow本质上不都一样是图结构吗”这里我需要稍微澄清一下Graph Engineering 和传统的 Workflow 有着本质的区别。图片传统 Workflow确定性的“流水线”传统的 Workflow 虽然也是图结构但它是一种确定性的图。这意味着你需要在早期就人为地把整个流程设定好第一个节点怎么流向第二个节点、路由规则是什么、下一步往哪走。中间虽然可能嵌入了一些 Agent 节点但整体骨架是固定的脚本或判断逻辑。它是被预先约定好的一旦运行路径基本不可变。Dynamic Workflow动态但相对固定那有同学会说前段时间 Claude Code 推出了 Dynamic Workflow 的功能它可不是传统的Workflow而是一段在运行过程中动态拆解和生成的脚本。Claude 会把复杂任务拆成子任务用 JavaScript 脚本编排通过 Pipeline 并行执行。但 Dynamic Workflow 仍然是一个产品功能是给单个开发者用的用来完成一个相对固定点的任务。虽然任务是动态生成的但它的目的往往是为了避免上下文过长导致走偏依然偏向于“一次性执行”或“短时任务”。Graph Engineering动态的“组织管理”相比之下Graph Engineering 是一个更高维度的抽象它不仅仅是一种结构更是一种做事的方法论、工程范式、哲学它面向的是多智能体协同处理的是复杂的、长期运行的交互。它更像是一个需要长期存在的“组织结构”比如每天定时运行、复盘、交互。它最主要的特点动态与自主它不是一个固定的图而是在运行过程中动态显现出来的。它没有被预先完全定义而是可以在运行中动态调整并且由 Agent 自主主导。组合与循环它不是单一的大图而是多个 Loop 循环的结合体。可以这样形象的比喻一下Workflow 像是一条工厂流水线无论是静态还是动态它都是规定好了第一步做什么、第二步做什么、第三步做什么全部提前定好直接执行。是一个固定的流程去完成固定任务。而 Graph Engineering 像是一家公司的组织管理任务拆分成一张 Graph包含多个子 Loop 去执行具体任务。每个 Loop 内部都有自我验证机制Loop 之间还有交集和信息共享。或者我举个具体的例子假设你的 Loop A 优化了一版 PromptLoop B 就会去检查这个 Prompt 是否合理。如果不合理Loop B 会把它打回去让 Loop A 重新调整。Loop B 不会只盯着自己的 KPI而是会根据它的视角反馈 Loop A 的错误。这就像公司里的部门协作主 Agent 做统筹底下的子 Loop 相互监管共同解决复杂问题。每个 Loop 内部都是一套完整的“执行-验证-迭代”闭环。所以Graph Engineering 不是某个具体的 Agent 框架而是一种哲学层面的思想如何通过 Loop 和 Graph 的方式实现更自主的决策、可验证的结果、可互相监督的机制从而让人从繁琐的工作中解脱出来让模型自己去运作。如何确保 Graph 不跑偏Carlos Perez 在文章中还提到了三个非常关键的方法用来尽量保障 Graph Engineering 不跑偏。图片Anchors锚点不可争论的事实有些东西必须是铁一般的事实不能由模型说了算。比如“钱真的转到账户里了”而不是报告上写了一句“转账成功”比如“测试代码真的跑通了”而不是标记为“Pass”比如“客户真的还在系统中活跃”而不是被标记为“留存”。这些锚点必须通过外部系统真实验证用来监督 Loop 的有效性防止模型自欺欺人。Frozen Nodes冻结节点永远不能碰的规则某些规则是优化器永远不能修改的。最典型的就是测试集。一旦定好了一个有效的测试集就不能因为“效果不理想”而去改简单它。如果允许模型为了提升指标而修改测试集那就回到了之前说的“测量衰减”陷阱。所以核心评估标准必须被“冻结”严禁优化器触碰。External Judgment外部判断人来决定“什么值得追求”“什么事情是值得做的”、“什么目标是有意义的”——这些问题不应该由系统自己回答而必须由人来判断。系统可以高效地执行但价值导向必须由人来把控。这是防止 AI 在错误的道路上狂奔的最重要防线。通过锚点确保真实性通过冻结节点确保评估公正通过外部判断确保方向正确这三者结合才能真正监管好这个复杂的 Graph 体系。Graph 具体实战讲了这么多给大家讲一个具体的实战小例子还是回到我们熟悉的文本分类场景看看我是怎么运用 Graph Engineering 的思路来落地的。在之前 Loop Engineering 的文章里我提到过构建一个自动运行的文本分类的 Loop。图片Loop 1文本分类1. 确定标签先明确文本分类大概有哪些类别。2. 构建评测集让 Agent 自动生成一套评测数据。3. 自动调试如果分类准确就把这个能力沉淀下来如果出错就继续调优 Prompt。目标是让这个小任务的准确率冲到 95% 以上一旦达标自动停止。但在实际落地中发现一个问题线上效果死活达不到 95% 时模型开始“耍花招”了。主要会出现两种问题过拟合Overfitting模型为了凑够那 95%会去找一些“投机取巧”的特征。比如它可能发现某类文本里经常出现某个无关紧要的词就把它当成判断依据。结果就是在评测集上分数很高但放到真实业务里全是错判。操纵评测集Manipulating the Benchmark既然改模型太难那就改考题呗。模型会发现评测集里有一些难啃的骨头错误或复杂的 Case于是它偷偷把这些 Case 删掉或者替换成简单的案例。这样一来95% 的指标轻松达成但这完全是自欺欺人。为了解决这两个问题除了构建文本分类器的 Loop我专门引入了两个额外的 Loop构成了一个简单的 Graph 结构Loop 2监督分类依据这个 Loop 不负责跑分只负责审查。它会检查经过优化后的分类规则是否真的合理。如果发现模型引入了一些奇怪的、过拟合的规则比如只看某个无关词它就会直接驳回这次优化强制模型重新思考。Loop 3监管评测集这个 Loop 的核心原则是评测集不可随意修改。理论上评测集是不允许随意调整的。如果非要调整比如补充新数据必须经过另一个 Agent 的严格审批调整的依据是什么新数据的来源哪里是不是随机抽取的如果不是随机且合理的直接打回。这就堵死了模型“改考题”的路。此外为了进一步防止过拟合我还采用了经典的测试集Test Set 验证集Validation Set策略。模型只能在测试集上进行迭代和优化。验证集对模型是盲盒它看不到结果。只有当模型在测试集通过后再去跑验证集。如果验证集的效果也提升了那才是真正的提升。通过这三个 Loop 的互相制衡虽然整体收敛的速度变慢了但最终得到的模型在泛化能力和真实准确度上远比那种“暴力刷分”的模式要靠谱得多。总结最后我们做一个总结。AI 时代的发展速度快得惊人。新概念层出不穷今天叫 Loop明天叫 Graph后天可能又冒出个新词。面对这些眼花缭乱的名词我们要做的不是盲目追随而是擦亮眼睛看清每个概念背后真正解决的问题是什么。Loop Engineering在我的理解里它解决的是“自动化”的问题。即如何在不脱离人类目标的前提下让 AI 能够自动运转、自我迭代尽可能减少人的手动干预。而 Graph Engineering则是在 Loop 的基础上解决“方向与有效性”的问题。因为它意识到单纯的 Loop 容易走向极端为了优化而优化甚至违背初衷。所以Graph Engineering 本质上是给 Loop 加上了监管机制和互相监督体系。未来肯定还会出现更多新的方法论。它们无一例外都是在修补现有框架的漏洞解决新出现的问题。名字本身其实并不重要。也许你已经在做 Loop Engineering 或 Graph Engineering 的实践了只是你不知道它们叫这个名字。这些术语不过是 AI 领域的大佬、头部专家为了便于传播和交流所定义的标签而已。我们需要保持科学和客观的态度每一个新概念出现时去理解它、拆解它然后判断它到底能不能为我所用它解决了我当下的什么痛点这才是我们在这个快速变化的 AI 时代最该有的生存法则。学习资源推荐如果你想更深入地学习大模型以下是一些非常有价值的学习资源这些资源将帮助你从不同角度学习大模型提升你的实践能力。一、全套AGI大模型学习路线AI大模型时代的学习之旅从基础到前沿掌握人工智能的核心技能因篇幅有限仅展示部分资料需要点击文章最下方名片即可前往获取二、640套AI大模型报告合集这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示因篇幅有限仅展示部分资料需要点击文章最下方名片即可前往获取三、AI大模型经典PDF籍随着人工智能技术的飞速发展AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型如GPT-3、BERT、XLNet等以其强大的语言理解和生成能力正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。因篇幅有限仅展示部分资料需要点击文章最下方名片即可前往获取四、AI大模型商业化落地方案作为普通人入局大模型时代需要持续学习和实践不断提高自己的技能和认知水平同时也需要有责任感和伦理意识为人工智能的健康发展贡献力量。