6.9
深览指数
科技人人都是产品经理·易安说AI··AI 生成
Loop还没跑稳，GraphAI又来了，学不完根本学不完
文章核心观点是：AI编程领域的「Graph」概念并非独立的新工作流引擎，而是「判断权」从开发者向系统持续迁移的连续过程。作者认为，从Prompt到Loop再到Graph，本质是开发者从手写指令，转变为设计由互相协作的循环、权限和反馈机制组成的任务架构图。文章将Loop定位为Graph的基础单元，并区分了「长期组织图」和「任务运行图」两类图，指出Graph工程的核心是拆解任务、定义依赖，将隐性的脑力过程显性化。适合已接触过AI编程Agent，对工程化、系统化设计有实际需求的开发者阅读，可帮助理解概念演进，避免被新名词困扰。原文 ↗
核心观点
- ▍AI编程领域从Prompt到Graph的演进，本质是「判断权」从开发者向系统持续迁移的过程：从手写指令，到设计循环，再到设计包含多个协作循环、权限和反馈机制的任务架构图。
- ▍Graph工程的核心不是流程编排，而是将隐性的脑力过程显性化：把目标拆成节点，定义节点间的依赖、输入输出、失败条件和人工审批点，以管理一支由Agent组成的「无人团队」。
- 01文章指出，成熟的Agent系统至少包含两类图：「长期组织图」（定义Agent长期职责，如代码理解、测试执行）和「任务运行图」（针对具体任务临时生成，可归档为模板）。
- 02作者用一个大型重构的例子说明，任务包含需求拆解、代码理解、实现修改、验证回归、交付审查等多个阶段，各阶段依赖关系复杂，无法用一个单循环解决。
- 03文章提出了一个包含角色图、任务图、权限图和验收图的四层次设计框架，用以替代只写Prompt和Tool List的简单做法，解决系统复杂后的失控问题。
- 04作者建议开发者从高频任务（如修复单测失败、生成周报）开始，将任务拆解为包含输入、输出和验收标准的节点表格，以此实践Graph思维，而非直接学习复杂框架。
- 05文章将Graph工程类比为一百多年前泰勒的科学管理，认为开发者正在做的，是把「脑力劳动」拆解成可交给Agent的标准工序。
反方 / 局限
- — 文章承认Graph借用了工作流引擎的很多思想，这暗示了其与现有技术的高度重叠，但并未深入讨论这种「换名」可能带来的实际价值增量。
- — 文章主要面向有一定Agent实践经验的开发者，对于刚接触AI编程的初学者，文章提出的概念演进和设计框架可能过于抽象，缺乏从零开始的可操作性指导。
AgentLoopGraphPrompt EngineeringContext EngineeringHarness EngineeringLoop Engineering科学管理泰勒易安说AIClaude Code
6 分钟 · 5 卡片 · 13 资料
读原文 →