哈喽大家好我是阿星要是你近期在刷AI圈, 那肯定会被一连串新词给弄晕乎: ReAct 、Agent Loop 、Loop 、Graph 之类的 , 它们听起来好像挺相似, 可实际上讲的是三件事, 这三件事处于三个不同的尺度, 并且不是谁把谁给取代掉的那种关系 , 而是一层套着另一层的干系。先给结论这三个词到底在说啥一句话记住: Agent循环是一种“动作”, Loop工程是一种“能使动作自动循环的系统”, Graph工程是一种“会将多个循环以及节点组建成一张图的系统”。图中的每个节点, 其内部常常藏着一个LoopLoop里运行的, 恰恰又是最为基础的Agent循环。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最初的时候, 大模型具备的仅仅是能“回答”的功能, 而无法“干活”。在2022年这个年份, 有研究者提出来了一种名为ReAct的框架它是加上Act后首字母的缩写形式, 促使模型进入到一个循环之中:1.寻思: 剖析当下情形, 判定后续如何处置2.举措: 运用工具去施行, 像是查找资料、运行代码、搜索网页3.察看: 瞅见工具反馈的成果, 再折返至第1步持续思索。这个“思考 - 行动 - 观察”的循环, 被称作 Agent Loop智能体循环, 它是几乎所有 AI 智能体好似的“心跳” , 会这般一直循环下去 , 直到任务完成。在通俗来讲, 它恰似一名实习生, 老板给予了目标, 其自行思索, 亲自着手去做, 自行查看反馈情况, 要是有误便再度修正, 一直到完成任务交付。这个实习生能够自行抉择先做何事而后做何事, 极为灵活, 然而也正因为这样, 一旦出现问题便难以追查源头, 做到一半若是崩溃了也不清楚该从何处继续下去。第二层Loop 给 AI 装上自动巡航循环工程Loop是在2026年上半年忽然之间火起来的词汇, 其核心思想, 按照前工程师Addy的说法来讲就是, 并非由你自己亲自去提示AI, 而是要设计出一个系统, 让该系统来替代你提示AI。创始人Peter表达得更为直截了当地表明: “你不应该再次径直地向编码智能体发出指令, 反倒应当去设计循环以此来驱动它。”Code负责人Boris也曾讲过与之相似的话语: “我不再径直地提供提示, 而是促使循环开始运行, 我的工作便是去编写这个循环。”。Loop 解决的是这样一个问题曾经运用AI编写代码, 是以人来“发出指令, 接着去查看结果, 继而去再次发出指令”, 人乃是那个循环之中的驱动者当下将这个循环自身设计出来, 即定时自动发觉任务, 拆解子任务, 让不同的AI各自开展工作以及进行审核, 自动检查结果, 把进度记录下来, 决定后续步骤, 人从“操作员”转变为“确定目标以及验收标准的人”。官方将这种“循环的堆叠”归纳而成四个层级, 分别是: 基础智能体循环, 此循环是模型循环调用工具直至完成验证循环, 即输出不达标的情况下带有反馈进行重试事件驱动循环, 这属于依赖定时任务或者消息触发从而自动运行爬山循环, 也就是对运行记录予以分析, 进而自动改进AI的提示词以及工具配置。打个比方: Loop, 它是那种从“手动挡”朝着“定速巡航”去进行升级的情况, 也就是说, 你不再是一脚油门紧接着一脚刹车那样开车了, 而是要去设置好目的地以及规则, 使得车能够自己去奔跑, 并且自己去修正行驶的方向。它存在着较为显著的限制, 具体为, 在一个循环当中, 所有的事情都紧缩汇聚在一起, 如此一来, 上下文易于出现“腐烂”的状况, 并且, AI 没办法记住太过久远之前所设定的目标, 一旦出现失误, 往往需要整段内容重新再来一遍。第三层Graph 从单兵作战到开公司Graph图工程, 这个新词在2026年7月才被正式推至台前, 据腾讯技术工程梳理是由Peter在7月中旬的一条推文催生的, 然而它所讲的事情实际上并不新鲜, 那就是把AI系统绘制成一张“执行图”来进行设计以及运行。图工程里有四个基本要素众多文章运用“流程图”去比喻图工程, 然而腾讯技术工程着重指出, 图工程并非仅是以供人观看的示意图, 而是用于让机器运行的真实系统, 蕴藏于其中的是依赖关系、状态、权限、预算、失败恢复及人工审批等能够被系统真正予以执行的事物, 其形式能够被写为 G (V, E, S, P)。它为何具备重要性呢, 是由于单独的 Agent 循环存在着六个方面的严重缺陷, 图象工程正好能够对其进行逐一的剖析拆解。问题单Agent循环存在毛病, 图工程的解法中, 上下文腐烂, 所有信息被塞回同一个窗口, 原始目标被淹没, 要拆成独立节点, 隔离上下文, 错误级联后错了, 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。特别是验证器这个概念, 以前, “出结论”是由同一个AI自己完成的, “检查结论”也是由同一个AI自己完成的, 这就好比该AI是那种既是运动员充当比赛参与者角色, 同时又兼任裁判角色的情况。图工程将其拆分成两个节点, 一个智能体专门负责产出结论, 另一个则运用全新的上下文专门想方设法去推翻它若能扛住方可放行, 要是扛不住那就打回重做。ㅤ三者到底是什么关系一张图看懂这里最容易搞混我们用一个开公司的类比收拢一下从技术层面来讲, Graph将Loop纳入到了更大的控制范畴, 其中, Loop承担着节点内部的探索以及纠错工作, Graph则负责节点之间的依赖、并行、汇合以及恢复事务, 并且, 官方明确表示“循环就是图的一种简单形式有向循环图”, 这两者原本便是一脉相承的情况。还要去消除一个常常出现的错误理解: 图工程并不等同于知识图谱。知识图谱所描述的, 是实体之间的那种关系比如说像是茅台和白酒之间的关系。而图工程范畴里的图, 是控制图, 它所表述的是系统下一步运行会轮到谁去执行。另外, 图工程也并不等同于某一个事物仅仅是实现图工程的一个比较流行的框架, 采用普通的像是等等其他工具同样能够达成。图工程真的有用吗看看大厂的例子这些案例存在着共同的特点, 任务具备能够拆分的特性, 任务具备可以并行的特性, 任务需要进行质量检查, 任务也需要进行恢复, 而这恰恰就是图发挥作用的地方。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 。官方表明, 存在一些天生具有开放性的任务, 恰似通用深度研究这般, 其路径在预先阶段极难被固定下来, 要是强制进行画图操作, 反倒会对智能体的探索空间形成压缩, 一如早期的深度研究项目后续竟转向了更为自主的循环。起初应寻觅最为简单的方案, 众多场景借助单次调用与检索便足矣, 唯有在任务出现“执行到中途而中断又不得不全部重新开始”的情况, 以及需要多个角色并行开展, 还有需要审批与恢复的时候, 才具备将流程绘制为图形的价值。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, 存在并行的情况, 还需要进行质检, 并且要经过审批, 之后要恢复, 如此这般, 图工程的价值方才能体现出来。写在最后先是从某一状态到另一状态, 接着从某一阶段到Loop阶段, 而后又到了如今的Graph阶段, 这些名词并非是在制造人们内心的焦虑情绪, 而是在精准描述同一个持续发展着的趋势, 即AI工程的核心重点, 正从“怎样能够把一句话以恰当方式问好”逐渐地转移到“怎样能够把一整套系统进行周全且合理的设计好”。对普通人来说看懂这三层关系就够了AI的“心跳”是Agent循环, 给它装上“自动驾驶”的是Loop工程, 把无数个自动驾驶的AI组织成一家高效运转的“公司”的是Graph工程。下次再看到有人说我们用了 Graph 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