AI代理的图工程：超越单代理循环

AI代理的开发经历了多个重叠阶段：提示工程、上下文工程、工具使用、自主循环、记忆系统和多代理协调。最新的焦点是图工程，它将AI应用程序视为显式设计的工作流，而非单个自主代理。图工程定义了代理、工具、确定性函数、验证器、数据源和人类如何协调完成任务，其范围超越了LangGraph、GraphRAG或知识图谱。

图工程的核心组件

节点是绑定的执行单元，可包含LLM调用、工具使用代理、Python函数、检索操作、数据库查询、API请求、策略检查、测试套件、人工审批请求或子图。并非每个节点都应是AI代理；已知的业务规则应保持确定性。

边定义节点间的执行顺序，包括直接边、条件边、并行边、循环边、错误边、人工控制边和事件触发边。条件路由可通过确定性Python逻辑或LLM分类器实现。

状态是在图中携带的共享记录，例如用户请求、任务计划、检索证据、草稿、验证结果、重试次数和审批状态。LangGraph使用有状态图将确定性步骤与LLM驱动步骤结合，并提供持久化、流式处理和人工介入控制。

状态归约器用于合并并行节点的更新，例如将多个证据列表追加、合并字典或选择最新值。没有清晰的归约器，并行更新可能互相覆盖或导致状态不一致。

路由和守卫条件确定应运行哪条边以及转换是否允许。路由函数读取状态并选择允许的边，而非让代理直接控制图。

实际构建：可研究Workflow

文章展示了使用LangGraph构建研究框架的示例：规划器节点制定研究计划，研究者节点收集证据，写手节点撰写文章，评估器节点检查准确性，修订节点根据反馈修改，人工审查节点提供最终审批。关键特征是通过条件路由实现循环和审批机制，并设置重试上限防止无限循环。所有节点均通过状态共享数据，并使用InMemorySaver作为检查点（生产环境应使用数据库持久化）。

生产要求

笔记本中运行的图并非自动生产就绪。每个节点应定义输入、输出、允许的工具、超时、重试策略、副作用、失败类别、验证规则和所有权。节点不应接受任意状态并返回非结构化文本。

幂等性是重试的关键：重试不应重复不可逆操作。使用幂等键、事务标识符、去重检查和数据库约束。

错误分类：临时网络故障应重试，速率限制应等待后重试，无效输入应返回验证，缺少权限应升级，策略违规应停止，模型格式化失败应修复输出。通用重试循环可能增加成本而不解决根本问题。

图工程为构建可靠、可观测和可控的AI系统提供了新的范式，超越了单代理的黑箱循环。