![](https://developer.qcloudimg.com/http-save/yehe-12631087/f2f846ff1bce5bb298fd44199da5ad96.png)

ㅤ

哈喽，大家好！

我是阿星👋🏻

如果你最近刷 AI 圈，一定会被一堆新词砸晕：ReAct、Agent Loop、Loop Engineering、Graph Engineering……它们听起来很像，其实说的是 三个不同尺度 的事，而且不是"谁取代谁"，是 一层套一层 。

ㅤ

## 先给结论：这三个词到底在说啥

*   ㅤ
    
    Agent 循环（Agent Loop） ：一个 AI 自己"想一步、做一步、看结果"的基本动作，是最小的工作单元；
    
*   ㅤ
    
    Loop Engineering（循环工程） ：给这个动作装上一个"自动巡航"系统，让 AI 自己驱动自己、反复迭代直到完成任务，人不用一步步指挥；
    
*   ㅤ
    
    Graph Engineering（图工程） ：更进一步，把很多个"会自己干活的 AI"、普通代码、质检员、审批人，组织成一张 看得见、管得住、坏了能修 的执行图——相当于从"一个人拼命干"升级成"一家公司协同作战"。
    

一句话记住： Agent 循环是"动作"，Loop 工程是"让动作自动循环的系统"，Graph 工程是"把多个循环和节点组织成一张图的系统" 。图里的每个节点，内部往往就藏着一个 Loop；Loop 里跑的，又是最基本的 Agent 循环。

![](https://developer.qcloudimg.com/http-save/yehe-12631087/61df21090e2ee389de87db3b5cb015cc.png)

ㅤ　ㅤ

## 第一层：Agent 循环，AI 的"想-做-看"三步走

要理解后面两个概念，先得知道最底层的 Agent 循环。ㅤ

大模型最初只会"回答"，不会"干活"。2022 年，研究者提出了一种叫 ReAct 的框架（Reason + Act 的缩写），让模型进入一个循环：

1.  1.思考（Thought） ：分析当前情况，决定下一步怎么办；
    
2.  2.行动（Action） ：调用工具去做，比如查资料、跑代码、搜网页；
    
3.  3.观察（Observation） ：看到工具返回的结果，再回到第 1 步继续思考。
    
    ![](https://developer.qcloudimg.com/http-save/yehe-12631087/01b32ec12f7d33b4e578add082d90c29.png)
    

如此循环往复，直到任务完成。这个"思考-行动-观察"的循环，就是 Agent Loop（智能体循环） ，它是几乎所有 AI 智能体的"心跳"。　ㅤ

用大白话说： 它就像一个实习生，老板给个目标，他自己琢磨、自己动手、自己看反馈，错了再改，直到交差。 这个实习生可以自己决定先干什么后干什么，很灵活，但也正因如此，出了问题不好追溯，干到一半崩溃了也不知道从哪续上。

ㅤ

## 第二层：Loop Engineering，给 AI 装上"自动巡航"

ㅤ

Loop Engineering（循环工程）是 2026 年上半年突然火起来的词。它的核心思想，用 Google 前工程师 Addy Osmani 的话说就是： "不再由你亲自去提示 AI，而是设计一个系统，让系统来代替你提示 AI" 。

OpenClaw 创始人 Peter Steinberger 说得更直接："你不应该再直接向编码智能体发指令，而应该设计循环来驱动它。"Anthropic 的 Claude Code 负责人 Boris Cherny 也说过类似的话："我不再直接提示 Claude，而是让循环运行起来，我的工作就是编写这个循环。"

Loop Engineering 解决的是这样一个问题：

以前用 AI 写代码，是人来"发指令 → 看结果 → 再发指令"，人是那个循环里的驱动者；现在把这个循环本身设计出来—— 定时自动发现任务、拆分子任务、让不同 AI 分别干活和审核、自动检查结果、把进度记下来、决定下一步 ——人从"操作员"变成"定目标和验收标准的人"。

![](https://developer.qcloudimg.com/http-save/yehe-12631087/0bac9efac69ddf1b9903e5839e1521e8.png)

LangChain 官方把这种"循环的堆叠"总结为四个层级：基础智能体循环（模型循环调用工具直到完成）→ 验证循环（输出不达标就带反馈重试）→ 事件驱动循环（由定时任务或消息触发自动运行）→ 爬山循环（分析运行记录，自动改进 AI 的提示词和工具配置）。ㅤ

类比一下： Loop Engineering 是从"手动挡"升级到"定速巡航" ——你不再一脚油门一脚刹车地开，而是设好目的地和规则，让车自己跑、自己修正方向。　ㅤ

它也有明显的局限：一个循环里所有事情挤在一起，上下文容易"腐烂"，AI 记不住太久之前的目标，出错时常常要整段重来。

![](https://developer.qcloudimg.com/http-save/yehe-12631087/08b1a949121603fe6bcedddfe4a3342c.png)

## 第三层：Graph Engineering，从单兵作战到"开公司"

ㅤ

Graph Engineering（图工程）是 2026 年 7 月才被正式推到台前的新词（据腾讯技术工程梳理，由 Peter Steinberger 在 7 月中旬的一条推文催生），但它讲的事其实并不新—— 就是把 AI 系统画成一张"执行图"来设计和运行 ：

图工程里有四个基本要素：

*   ㅤ
    
    节点（V） ：干活的单元，一个节点只做一件事。它可以是普通代码、一次模型调用、一个带工具的智能体、一个专门挑错的"验证器"，甚至是一个人（人工审批）；
    
*   ㅤ
    
    边（E） ：节点之间的路由，决定"下一步去哪"。支持顺序、条件分支、并行分发、结果汇合、循环重试等；
    
*   ㅤ
    
    状态（S） ：沿着边流动的共享数据，记录任务进度、证据、预算、中间产物、检查点；
    
*   ㅤ
    
    策略（P） ：权限规则，规定谁能创建节点、谁能调用工具、谁能改图、谁能产生副作用。
    

很多文章拿"流程图"来比喻图工程，但腾讯技术工程特别强调： 图工程不是给人看的示意图，而是给机器跑的真实系统 ，里面装的是依赖关系、状态、权限、预算、失败恢复、人工审批这些能被系统真正执行的东西，形式上可以写成 G = (V, E, S, P) 。

![](https://developer.qcloudimg.com/http-save/yehe-12631087/77a74f313d9e7aa636f580e922433539.png)

它为什么重要？因为单 Agent 循环有六大硬伤，图工程恰好逐个拆解：

问题

单 Agent 循环的毛病

图工程的解法

上下文腐烂

所有信息塞回同一个窗口，原始目标被淹没

拆成独立节点，隔离上下文

错误级联

错了只能靠模型自己在同一条思路上发现

拆出独立的验证节点专门挑错

工具过载

一个 AI 挂太多工具，选择准确率暴跌

按职责分工，每个节点管好自己的工具

缺乏控制粒度

要么全跑要么不跑，没法中途审批、换模型

通过节点和边灵活控制，随时插队

可观测性差

只知道它想了什么、调了什么，不知道为啥

图结构清晰，每条路径都可追溯

目标失明

只会优化给定指标，可能跑偏方向

引入独立验证器，把"判断"和"验证"分开

特别是 验证器（Verifier） 这个概念：以前"出结论"和"检查结论"都是同一个 AI 自己干，相当于既当运动员又当裁判；　ㅤ

图工程把它拆成两个节点——一个智能体专门产出结论，另一个用全新的上下文专门试图推翻它，扛得住才放行，扛不住就打回重做。

![](https://developer.qcloudimg.com/http-save/yehe-12631087/baa810ce36424d588a49ab3cdb8d6bd2.png)

## ㅤ

## 三者到底是什么关系？一张图看懂

ㅤ

这里最容易搞混，我们用一个"开公司"的类比收拢一下：

*   ㅤ
    
    Agent 循环 = 一个员工自己干活的动作（想-做-看）；
    
*   ㅤ
    
    Loop Engineering = 给这个员工配了一套"自动工作流"，他自己找活、自己干、自己检查、自己汇报，你只负责定目标；
    
*   ㅤ
    
    Graph Engineering = 你开了一家公司：有专门找资料的、专门写方案的、专门挑错的（验证器）、专门批钱的（人工审批），他们之间的分工、交接、并行、卡点全部画成一张组织结构图，每个人内部依然可以有自己的工作循环。
    

用技术的话说： Graph Engineering 把 Loop Engineering 纳入了更大的控制尺度——Loop 负责节点内部的探索与纠错，Graph 负责节点之间的依赖、并行、汇合与恢复 ；而 LangChain 官方也直言"循环就是图的一种简单形式（有向循环图）"，两者本是一脉相承。

![](https://developer.qcloudimg.com/http-save/yehe-12631087/b1c2f72d997433b8195ad8083089fa32.png)

ㅤ

还要澄清一个常见误解： 图工程 ≠ 知识图谱 。知识图谱（GraphRAG 里那种）描述的是"实体之间的关系"（比如"茅台"和"白酒"的关系）；图工程里的图是 控制图 ，描述的是"系统下一步运行谁"。另外， 图工程 ≠ LangGraph ——LangGraph 只是实现图工程的一个流行框架，用普通 Python、Airflow 等其他工具同样可以。

ㅤ

## 图工程真的有用吗？看看大厂的例子

*   ㅤ
    
    LinkedIn 的 SQL Bot ：路由智能体判断数据领域，再交给领域专家、写 SQL 的、自纠错的智能体分工协作，查询准确满意度达到 95%；
    
*   ㅤ
    
    Uber 的代码迁移 ：用子图给不同语言、不同仓库分配专门子智能体，主管图统一协调，配合检查点机制扛住 CI 中断，节省了 21000 多个工程小时；
    
*   ㅤ
    
    Anthropic 的多智能体研究系统 ：采用"主管-工人"模式，主智能体规划、子智能体并行搜索，比单智能体方案强 90.2%。
    

这些案例的共同点： 任务可拆、可并行、需要质检、需要恢复 ——这正是图的用武之地。

## 但是：不是所有任务都该画图

图工程不是万能的，更不是"边越多越专业" 。

LangChain 官方就指出，一些天生开放的任务（比如通用深度研究），路径很难提前定死，强行画图反而会压缩智能体的探索空间——连早期的深度研究项目后来都转向了更自主的循环。先找最简单的方案，很多场景用单次调用加检索就够， 只有当任务"做到一半当掉又得整批重来"、需要多角色并行、需要审批和恢复时，才值得把流程画成图 。

![](https://developer.qcloudimg.com/http-save/yehe-12631087/f0f545f82d718eb80a107cf4c2c82aeb.png)

判断标准很简单：

任务短、路径固定、单目标、明确停止条件 → 别画图；

任务长、要并行、要质检、要审批、要恢复 → 图工程的价值才体现出来。

ㅤ

## 写在最后

ㅤ

从 Prompt Engineering 到 Context Engineering，从 Harness Engineering 到 Loop Engineering，再到现在的 Graph Engineering—— 这些名词不是在制造焦虑，而是在描述同一个趋势：AI 工程的重心，正在从"怎么把一句话问好"转移到"怎么把一套系统设计好" 。

对普通人来说，看懂这三层关系就够了：

Agent 循环是 AI 的"心跳"，Loop 工程是给它装上的"自动驾驶"，Graph 工程则是把无数个自动驾驶的 AI 组织成一家高效运转的"公司"。

![](https://developer.qcloudimg.com/http-save/yehe-12631087/4ec63545df8b390cba307c1b5851bdb7.png)

下次再看到有人说"我们用了 Graph Engineering"，

你可以微笑着问一句：那你们的验证器节点放在哪？🤭

ok，我是阿星

更多AI应用

我们下期再见！


如果你最近刷 AI 圈，一定会被一堆新词砸晕：ReAct、Agent Loop、Loop Engineering、Graph Engineering……它们听起来很像，其实说的是 三个不同尺度 的事，而且不是"谁取代谁"，是 一层套一层 。

一文看懂爆火的 Graph Engineering，以及它和 Loop Engineering、Agent 循环到底啥关系

人工智能

编程语言

架构设计

Agent循环、Loop工程与图工程层层嵌套：Agent循环是AI“想-做-看”的基本单元；Loop工程让系统自动驱动AI迭代；图工程将多个循环组织成可控执行图。三者的核心区别在于控制尺度，理解它们有助于设计高效AI系统。

知识图谱

自动驾驶

智能体

OpenClaw

路由

Python

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

一文看懂爆火的 Graph Engineering，以及它和 Loop Engineering、Agent 循环到底啥关系-腾讯云开发者社区-腾讯云

一文看懂爆火的 Graph Engineering，以及它和 Loop Engineering、Agent 循环到底啥关系

一文看懂爆火的 Graph Engineering，以及它和 Loop Engineering、Agent 循环到底啥关系

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐