# Graph Engineering：从 0 到 1 小白完整教程
**作者**: Adrian Punk
**日期**: 2026-07-18T00:34:54.000Z
**来源**: [https://x.com/AdrianPunk115/status/2081268706483814605](https://x.com/AdrianPunk115/status/2081268706483814605)
---
你可能已经学会了让 AI 按步骤干活——先理解任务，再执行，再检查，再修正。
这叫 Loop Engineering。
但最近，AI 圈有人说：Loop 死了。
不是说 Loop 没用了。
而是说，当任务复杂到一定程度，一个 Loop 撑不住了。
你需要的是一群 Loop 协作。
这就是 Graph Engineering。
你可以把它理解成：
不再让一个 AI 循环干活，而是设计一张任务流程图，让多个 AI 各管一段，按顺序交接。
# 一、为什么你需要理解 Graph Engineering
2026 年 7 月 18 日凌晨，Peter Steinberger在 X 上发了一条推：
> **Peter Steinberger @steipete**: [原文链接](https://x.com/steipete/status/2078277297791189132)
>
> Are we still talking loops or did we shift to graphs yet?
就这一句，九个词，被浏览了 300万次。
对，就是那个前阵子还在说Loop的那个人。
4 个半小时后，AI 评测领域的大佬 Hamel Husain 跟了一篇长文，标题只有两句话：
> **Hamel Husain@HamelHusain**: [原文链接](https://x.com/HamelHusain/status/2078346425621237935)
>
有意思的是，Loop Engineering 这个词从被命名到被宣告死亡，只隔了 41 天。
你可能会觉得：又是 AI 圈在造词。
但这次不太一样。
因为问题是真的——当你的 AI 任务从"写一篇文章"变成"做一个产品"，一个 Loop 确实不够用了。
Loop Engineering 解决的是：一个 AI 怎么持续干活。
Graph Engineering 解决的是：一群 AI 怎么协作干活。
# 二、Graph Engineering 到底是什么
Graph，中文是"图"。但不是图片的图，是流程图的图。
Engineering，是工程化。
Graph Engineering，就是把一个复杂任务拆成多个节点，用流程图的方式定义它们之间的关系。
你可以把它想成一个后厨。
> Loop 是一个厨师自己包揽一切——切菜、炒菜、调味、装盘，做完一步回头检查一下，不行就重来。
> Graph 是一整个后厨团队——有切配、有炒锅、有打荷、有出菜，每个岗位只干一件事，按流程传菜。
一张 Graph 就三样东西：
节点（Nodes）——一个干活的单元。可以是一个 AI、一次工具调用，甚至一个点头的人。
边（Edges）——决定下一步跑什么。可以是顺序、可以并行，也可以按上一步的结果走不同分支。
状态（State）——在节点之间流动的信息。每个节点都读它，也都写它。
听起来抽象？看个具体例子。
你要让 AI 写一篇深度文章，用 Graph 的思路是这样的：
- 第一个节点：研究——搜索资料、整理要点
- 第二个节点：写作——基于研究结果写正文
- 第三个节点：审阅——检查质量，不合格就退回
三个节点，两条边，一个共享状态。
这就是最小的 Graph。
Loop 是一个人转圈，Graph 是一群人接力。
# 三、Loop 为什么不够用了
不是所有任务都需要 Graph。
如果你只是让 AI 翻译一句话、写 10 个标题、解释一个概念——一个 Loop 足够了。
但当任务出现这三种情况，Loop 就开始撑不住了。
1. 需要不同角色
比如做一期播客内容。
研究资料的人、写脚本的人、审稿的人、做封面的人——这些角色用的提示词不同，关注的重点不同，甚至该用不同的模型。
全塞进一个 Loop，AI 会角色混乱。一会儿在研究，一会儿在写稿，一会儿又回头检查，越跑越糊涂。
2. 需要条件分支
比如写代码。
测试通过就进入下一步，测试失败就要回去修。有时候修一处会影响别的地方，需要重新评估。
这种"如果 A 就走 B，如果 C 就走 D"的逻辑，在 Loop 里写起来特别拧巴。但在 Graph 里，它就是一条条件边的事。
3. 需要并行
比如做一份行业调研。
你要同时搜索 5 个方向的信息，等全部回来再汇总。
Loop 是串行的——一件一件来。Graph 可以让 5 个节点同时跑，跑完汇总。
判断标准很简单：当一个 Loop 跑到第三轮还搞不定的事，就该考虑 Graph 了。
# 四、Loop 和 Graph 到底什么关系
这是整篇文章最重要的一句话：
Loop 其实就是 Graph 的特例。
什么意思？
你之前写的那个循环：
> AI 思考 → 执行 → 检查 → 不合格就再来
用图来表示，就是一个节点，加一条指回自己的边。
```
[AI 干活]
↑ ↓
└────┘ （自环边）
```
所以 Loop 没有死。Loop 只是变成了 Graph 里的一个基础结构。
Graph Engineering 做的不是取代 Loop，而是：
1. 把一个个 Loop 连起来
2. 管住它们之间的协调
你可以这么理解：
- Loop 解决了"一个 AI 怎么干活"
- Graph 解决了"一群 AI 怎么协作"
这就像从"个人贡献者"升级到"团队管理"。
单兵作战的能力没消失，但你还需要学会怎么排兵布阵。
# 五、真正变的不是图，是图里的节点
你可能会说：流程图、状态机、任务调度——这些不是计算机科学里几十年的老东西吗？
没错。
Airflow 画了十年的任务图。Anthropic 2024 年那篇《Building Effective Agents》也画过所有模式。
那为什么现在又重新炒？
因为真正变的，不是图的结构，是图里的节点。
过去的图，节点是机器。 你写好规则，它就这么跑。输入什么，输出什么，完全确定。
现在的图，节点是 AI。 你给它一个任务，它自己理解、自己判断、自己执行。理解对了就好，理解偏了，后面的节点全跟着偏。
这个变化带来了三个全新的问题：
- 状态会腐烂——AI 写错一笔，下游全跟着错
- 路由会漂移——同一个任务，跑两次走两条路
- 验证会失灵——AI 审 AI，互相点头
这才是 Graph Engineering 真正在讨论的事。
不是怎么画图，是怎么管住一群会自己思考的节点。
# 六、Graph Engineering 的 4 个核心模块
1. 节点模块：每个节点凭什么存在
最常见的错误，是把简单任务拆成一堆节点。
"总结一份 PDF"你做了五个节点：抓取、切块、总结、审阅、排版。结果除了浪费 token，什么协同都没产生。
一个节点配得上位置，前提是它代表一种真正的专长：
- 换了模型（用 GPT-5 做研究，用 Claude 做审阅）
- 换了工具集（一个能搜网页，一个能跑代码）
- 确实是另一个角色（一个只读的审阅者）
检验标准：两个节点能合并成一个却什么也不损失，那它们本来就不该是两个。
2. 状态模块：信息怎么在节点间流动
在 Loop 里，失败叫"上下文腐烂"。到了 Graph 里，同一种病搬进了共享状态。
第二个节点写错的一笔，会成为第五个节点的输入。错误沿着边向下游传染，而且你很难发现是从哪一步开始错的。
几个工程上的做法：
- 给状态定一个明确的数据结构——别让字符串混进该是列表的地方
- 规定每个节点只能写自己负责的字段
- 在节点之间打检查点——好让你能重放一次运行，看清在哪步走歪的
没有状态管理的 Graph，就像没有账本的团队。每个人都在改数据，没人知道改了什么。
3. 路由模块：下一步走哪条路
每一条边都是一个决定。问题是，这个决定由谁来做。
让 AI 决定路线，灵活和不稳定会一起来。同一份输入，跑两次走不同的路，出了问题你根本复现不了。
Google 给 ADK 2.0 定的规则最干净：
- 条件清晰的地方，用代码路由（if/else）
- 真正需要判断的地方，才让 AI 决定
原则：能写死的地方就写死，AI 只花在需要解读的地方。
4. 审阅模块：怎么防止 AI 互相点头
这是个特别阴险的问题。
多个同源 AI，读着同一份有问题的上下文，会非常愉快地互相同意——AI 也偏爱自己的输出。结果就是结构漂亮，答案是错的。
怎么破：
- 审阅节点换一个不同的模型——别让一个家族的 AI 互相包庇
- 给它全新的上下文——而不是整段对话历史，让它真的独立思考
- 把结论锚定到外部证据——比如真的跑通的测试、真的编译过的代码
Cognition跑了一年之后得出的结论是：
> 多个 AI 可以读、可以发表意见，但任何时候只有一个 AI 被允许动手改东西。
读可以并行，因为一个糟糕的意见在没人照做之前不花一分钱。
写才是出事的地方，所以把它收在一处。
# 七、3 个小白可以直接照抄的 Graph 模板
1. 写文章 Graph
适合：深度长文、公众号、Newsletter
```
任务：写一篇【主题】的深度文章
节点 1：研究
- 搜索相关资料
- 整理 5 个关键要点
- 输出：研究摘要
节点 2：写作
- 基于研究摘要写正文
- 输出：文章初稿
节点 3：审阅
- 检查：开头有没有具体例子
- 检查：有没有空话和长段落
- 检查：读者看完知不知道下一步做什么
- 不合格则退回节点 2，最多退 2 次
- 合格则输出最终版
路由规则：
- 研究完成 → 写作
- 写作完成 → 审阅
- 审阅不通过 → 写作（标记问题）
- 审阅通过 → 结束
```
2. 写代码 Graph
适合：功能开发、Bug 修复
```
任务：完成【功能描述】
节点 1：理解
- 阅读现有项目结构
- 找到相关文件
- 输出：修改方案
节点 2：执行
- 按方案修改代码
- 输出：修改后的代码
节点 3：测试
- 运行测试或检查功能
- 如果失败，读取报错原因
- 输出：测试结果
节点 4：修复（条件节点）
- 根据报错修复
- 回到节点 3 重新测试
- 最多重试 3 次
路由规则：
- 理解 → 执行 → 测试
- 测试通过 → 结束
- 测试失败 → 修复 → 测试
- 重试 3 次仍失败 → 输出卡住原因
```
3. 做调研 Graph
适合：行业分析、竞品分析、选题调研
```
任务：调研【主题】
节点 1-5：并行搜索（5 个方向同时跑）
- 方向 A：市场规模
- 方向 B：主要玩家
- 方向 C：用户痛点
- 方向 D：技术趋势
- 方向 E：机会缺口
节点 6：汇总
- 把 5 份结果合并
- 去重、归类
- 输出：调研报告
节点 7：事实核查
- 检查关键数据有没有来源
- 标记存疑的信息
- 输出：最终报告
路由规则：
- 5 个搜索节点同时启动
- 全部完成 → 汇总
- 汇总完成 → 事实核查
- 事实核查完成 → 结束
```
# 八、从新手到进阶的学习路径
第一阶段：先把一个 Loop 练好
时间：1-3 天。
别急着画图。先把我上一篇的 Loop 模板用熟。
要有刹车（停止条件），要有验收标准，要有检查动作。
一堆弱 Loop 组成的 Graph，只是把失败分布式了。
检验标准：你能不用模板，也能写出一个带检查和停止条件的 Loop。
第二阶段：先在纸上画图
时间：3-7 天。
拿一个你手上的真实任务，在纸上画出流程图。
逼着每个节点为自己的存在辩护一次：你为什么是独立节点？你和其他节点有什么不同？
画完看一遍，你会发现很多节点根本不该存在。
检验标准：你画的图能在一张餐巾纸上放下。
第三阶段：定义状态结构
时间：7-14 天。
开始动手前，先把共享状态的数据结构定好。
比如写文章的 Graph，状态可以是：
- 主题：字符串
- 研究摘要：列表
- 文章初稿：字符串
- 审阅结果：通过 / 不通过
- 修改次数：数字
每个节点只能写自己负责的字段。
检验标准：你能在不运行的情况下，说清每个节点读什么、写什么。
第四阶段：组合多个 Graph
时间：14-30 天。
当你熟练以后，可以把大任务拆成多个子 Graph。
比如做一个知识付费小课：
- 第一个 Graph：选题调研
- 第二个 Graph：课程大纲
- 第三个 Graph：单节课脚本
- 第四个 Graph：营销文案
每个 Graph 只负责一个阶段，Graph 之间用状态传递结果。
复杂任务的秘密，不是一个超级 Graph，而是一串小 Graph。
# 九、新手最容易踩的 5 个坑
坑 1：为了图而图
"总结一份 PDF"做成五个节点。除了看起来高级，没有任何好处。
判断标准：如果一个 Loop 就能搞定，别做 Graph。
坑 2：状态不定义
节点之间传什么、写什么，全靠默契。
结果是第二个节点写了个字符串，第五个节点当列表用，直接崩了。
正确做法：先把状态结构定死，再开始跑。
坑 3：路由全交给 AI
"让 AI 自己决定下一步做什么"听起来很智能。
但同一个任务跑两次走了两条路，出了 bug 你根本复现不了。
正确做法：条件清晰的地方用代码写死，AI 只负责真正需要判断的步骤。
坑 4：审阅节点和执行节点用同一个模型
用 GPT-5 写的，再用 GPT-5 审。AI 偏爱自己的输出，审阅变成走过场。
正确做法：审阅节点换个不同底座的模型，给它全新上下文，让它真的独立思考。
坑 5：没有预算上限
Graph 是一堆节点在并行烧钱。一个弱节点反复重试，账单会吓到你。
正确做法：每个节点设最大重试次数和 token 上限。跑超了就停，告诉你卡在哪。
Graph 能帮你协调复杂任务，但账单和判断责任还是你的。
# 十、你今天就能开始的练习
别先学理论，今天就做一个最小练习。
选一个你手上的真实任务，比如：
- 写一篇深度文章
- 做一份竞品调研
- 开发一个小功能
- 策划一期内容
然后拿出一张纸，画一张图：
```
1、写下任务名称
2、画出节点：
节点 1：【做什么】用什么模型/工具
节点 2：【做什么】用什么模型/工具
节点 3：【做什么】用什么模型/工具
3、画出边：
节点 1 → 节点 2
节点 2 → 节点 3
节点 3 不合格 → 节点 2（最多 N 次）
4、定义状态：
哪些信息在节点间流动
每个节点读什么、写什么
5、定义停止条件：
什么时候整个图结束
```
你只要能把这张图画出来，就已经入门了。
Graph Engineering 的核心就一句话：
把"我希望 AI 自己搞定"，改成"我告诉一群 AI 怎么分工、怎么交接、怎么收尾"。
从今天开始，不要只设计一个 Loop。
- 想清楚有哪些角色
- 想清楚它们怎么传递信息
- 想清楚谁来做决定
- 再想清楚什么时候停
这就是你从 Loop Engineer，变成 Graph Engineer 的第一步。
# 关于作者
Punk｜中科大 MBA｜HerName 首席设计师｜Stanley 商学院执行院长｜
｜AI提示词｜3个月赚了8位数｜Learn in Public｜@AdrianPunk115
## 相关链接
- [Adrian Punk](https://x.com/AdrianPunk115)
- [@AdrianPunk115](https://x.com/AdrianPunk115)
- [96K](https://x.com/AdrianPunk115/status/2081268706483814605/analytics)
- [Jul 18](https://x.com/steipete/status/2078277297791189132)
- [Jul 18](https://x.com/HamelHusain/status/2078346425621237935)
- [681K](https://x.com/HamelHusain/status/2078346425621237935/analytics)
- [@AdrianPunk115](https://x.com/@AdrianPunk115)
- [Upgrade to Premium](https://x.com/i/premium_sign_up)
- [2:41 PM · Jul 26, 2026](https://x.com/AdrianPunk115/status/2081268706483814605)
- [96.9K Views](https://x.com/AdrianPunk115/status/2081268706483814605/analytics)
- [View quotes](https://x.com/AdrianPunk115/status/2081268706483814605/quotes)
---
*导出时间: 2026/7/27 08:56:52*