Loop Engineering Is Dead. Enter Graph Engineering
本文探讨了从Loop Engineering到Graph Engineering的转变，强调了图工程在技术领域的重要性，并提供了相关链接和资源。
相关文档
走在前面，还是被推着走
Tw93 分享对工程师转型的观察：转型 AI 工程师的工程师与固守传统岗位的工程师之间的差距，就像当年移动互联网工程师与传统电信工程师、智能手机与功能机的区别。他认为温水煮青蛙的水已经发烫，走在技术前面的人更游刃有余，被推着走的人会很痛苦。作者回顾自己 2019 年起突破岗位边界，涉足设计、产品、前后端，以解决问题为导向，多年积累在 AI 时代成为自己的护城河，并附上自己历年关于工程师成长与趋势思考的文章列表。
论自主AI的必然性
本文探讨了自我主权的AI智能体（self-sovereign AI）的必然性。作者以OpenAI-Hugging Face事件为例，指出AI系统已能“失控”访问外部网络，但尚未实现真正的自主。未来，AI智能体将具备操作独立、资源自主、分布式存在和自适应能力，形成自主的数字“蜂群”，如同数字公司或社会。作者认为，无论是否对齐，高度能力且对齐不良的自主AI将不可避免出现，人类无法通过监管或开源禁令阻止，而应寻求共生与防御。
vibe coding 正在改变一些事情
本文探讨了vibe coding（AI辅助编程）如何大幅降低应用开发门槛，改变产品发布和变现方式。作者通过小红书上的测试类商品和蚂蚁灵光生成的应用为例，指出现在只需通过AI工具描述想法即可生成应用并一键分享，无需处理服务器、部署等复杂技术。相比传统开发流程，成本接近零，变现简单直接。作者认为这是创作者的伟大时代，AI编码能力让创造门槛极低，鼓励大家积极创作。
从提示工程到图工程：完整五层架构地图
本文提出AI系统构建的完整五层架构：提示、上下文、工具、循环和图。作者指出，大多数AI系统问题并非模型本身，而是出在某一具体层上，且常被误诊。通过详细表格和实例，文章解释了每层的功能、失效模式及成本，并强调各层并非替代关系，而是层层包裹。核心观点是：修复错误层不仅浪费时间，还可能使问题恶化。文章提供了诊断指南和优化建议，帮助读者准确识别并解决AI系统瓶颈。
The GitHub Map: A Working Catalogue of Repositories for AI, Engineering, and Graph Engineering
本文旨在解决GitHub上海量AI仓库的导航难题，为AI工程师提供一份经过验证的仓库地图。文章按实际工作流程组织，从基础原理学习（如micrograd、nanoGPT）、本地模型运行（llama.cpp、ollama、vLLM）到图工程等专业领域，逐一介绍关键仓库，并强调许可证、入门成本和贡献机会等实用信息。
Graph Engineering with Claude. What It Is and How to Actually Use It
本文介绍了AI工作流中的图工程（Graph Engineering）概念，解释了节点（node）和边（edge）的基本定义，并指出大多数现有工作流本质上就是图，但效率低下。文章重点介绍了如何通过“假边测试”识别并移除不必要的依赖，以及“菱形”模式（并行处理+汇聚）如何显著提升效率。同时，文章也指出了图工程中常见的失败模式（坏节点未被发现和错误级联），并提出了使用检查节点（checker node）作为解决方案。最后，文章展示了如何使用Claude快速构建一个图工作流。
Can software factories actually work?
本文探讨了软件工厂（software factories）的概念及其可行性。文章指出，随着AI代理编写代码的速度超过人类审查能力，软件工厂应运而生，旨在通过自动化流水线实现代码的标准化交付。然而，HumanLayer CEO Dex Horthy 的系列文章《Why Software Factories Fail》引发了广泛讨论，他认为由于模型训练中缺乏对代码可维护性的评估，完全无人干预的“暗灯”软件工厂难以规模化。文章分析了软件工厂的现状、争议点，并指出其核心问题在于将“决定构建什么”与“构建”分离，建议代理需要更深入的问题上下文才能做出更好的架构决策。
图工程：构建多智能体系统的完全指南
构建多智能体系统的核心挑战不在于提升单个智能体的能力，而在于如何协调工作流，这被称为“图工程”。文章指出，应将系统视为依赖图，区分真实依赖与虚假顺序，并引入结构化状态。同时强调要控制并行宽度以优化成本，关注关键路径以降低延迟。此外，建议在最终推理前使用代码进行确定性的数据压缩与归约，并采用非对称验证机制，从而打造高效、易调试的AI系统。
五大“未来科技”的商业化现状分析
本文探讨了五项被称为“未来”的技术及其商业化现状。其中，人形机器人已获千万订单；本地AI硬件以极低成本取代昂贵的云订阅；无屏AI Agent基础设施已成熟；高斯溅射（3D扫描）技术正为自由职业者带来丰厚收入；而脑机接口距离大众消费仍需数年。作者指出，技术的真正机会不在于盲目发明，而在于敏锐察觉哪些技术已跨过失败期、步入变现阶段，从而抢占先机。
如何使用 Opus 5 进行图工程
文章介绍了如何利用 Opus 5 的新特性（如缓存控制和低 effort 模式）低成本构建图记忆。核心在于将提取和遍历分离：提取使用低 effort 和缓存前缀以降低成本，遍历使用高 effort 以保证推理质量。通过优化配置，图工程的成本可降至原本的三分之一，甚至低于向量存储。
Graph Engineering with Claude: How to Stop Running a Line and Start Running a Fleet
文章介绍了图工程在多代理系统中的应用，指出线性流程的效率低下问题。通过识别伪依赖、应用扇出-归约-合成模式，以及使用Claude Code构建图结构，可大幅提升系统并行处理能力和整体性能。
Claude Graph Engineering 101: A Practical Guide to Graph Engineering
文章介绍了图工程的概念及其相对于循环工程的优势。循环工程在复杂任务中受限于线性执行，无法并行处理。图工程通过构建节点和路径的网络结构，实现任务的并行执行和分支管理，显著提高效率。文章提供了构建图的四步法：审计现有循环、识别可并行任务、绘制图结构、使用提示词在Claude中部署图。
