Graph Engineering 主张用显式图结构而不是只靠循环
Aiden_Tech_Ai · x · 2026-07-26
这篇长内容在讲一种名为 Graph Engineering 的 agentic 软件工程思路：不要只靠 prompt loop，而是把任务显式建模成图结构，用类型化实体、工具、结构化输出和可遍历关系来组织多智能体工作流。
配图展示了一个以 AGENT 为中心的知识图谱式 schema，周围连接 first-person、object-above、text-button、object-below 等实体，再加上额外属性与关键词，以便让系统更容易做检索、协调和扩展。文章声称，这套方法结合了知识图谱 cookbook 与 Anthropic 式工作流经验，目标是把“循环”提升为更可控的“图”。
核心观点
- 与其只优化 prompt，不如把任务表示成图，显式定义节点、边和类型
- 真正限制 agent 表现的，往往不是模型本身，而是人给错了目标和本体论
- 这种图式工程强调验证、证据与记忆的显式化，适合扩展多步骤、多角色协作
所属事件:Anthropic 工程师免费放出 2 小时图工程工作坊(9 条相关)→
「编程与Agent」频道最新
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用 prompt 造硬件:一次对话让智能体组装定制设备寄到家 — paraschopra · 2026-09-11
- 模型之外才是关键:一文拆解 RAG 到多智能体的六大 AI 架构 — goyalshaliniuk · 2026-09-11
- 零基础开发者自建分层记忆架构，仅 20k token 记住一年对话 — matteoianni · 2026-09-11
- Warp 六个非工程团队全用 Linear 和 Claude Code 工程化运作 — mon__lim · 2026-09-11
- 九年后端老兵：AI 代码不比人写的差，变糟的只是速率 — Sweaty-Landscape-561 · 2026-09-11