Graph Engineering 不是知识图谱,是多 Agent 系统的组织学

如果你最近几个月在折腾多 Agent 系统,大概会撞到同一面墙:单 Agent 已经能跑了,读上下文、拆任务、调工具、失败重试,甚至能挂着过夜跑。但一旦任务跨域--既要改支付逻辑又要保 API 兼容、既要迁数据又要更前端、既要过安全审查又要出发布说明--事情就开始失控。不是 Agent 不够聪明,是组织结构不够清楚。


这个词最近在社区里被反复提到:Graph Engineering。但和大多数人第一反应不一样,它指的不是知识图谱,而是把 Agent 系统本身设计成一张图。这篇文章想把这个区分讲透,并给出一套可以落地的最小清单。


一、先把名字说清楚:这里说的不是知识图谱


Graph Engineering 这个词在 2026 年有两个语境,混在一起会越聊越糊涂。


第一个是传统的 Knowledge Graph Engineering:设计实体、关系、本体、数据集成和图数据库,让系统能围绕"人、组织、事件、文档、产品、决策"做查询和推理。 Microsoft GraphRAG 是这个方向的代表--从非结构化文本里抽实体、关系、声明,做社区发现,生成多层级摘要,再和向量检索结合;查询层分 Local Search 、 Global Search 、 DRIFT Search ,用图结构改进复杂问题的检索质量。 Neo4j 也在推 context graph 概念,强调很多 Agent 问题不是相似度问题,而是结构问题、溯源问题、多跳关系问题。


第二个是2026 年围绕多 Agent 系统出现的 Agent Graph Engineering:把 Agent 系统本身设计成图。图里的节点不是知识实体,而是 Agent 、角色、组件、检查点;边不是知识关系,而是数据流、控制流、权限流、证据流、失败流。


一句话区分:知识图谱工程解决"系统知道什么"; Agent Graph Engineering 解决"系统由谁组成、如何协作、如何被治理"。


这两个方向会合流,但不能混谈。一个值得在团队里立下的规矩是:每次出现"图"这个词,先问一句"是知识的图,还是组织的图?"--能省掉大半无效讨论。


二、 Prompt 、 Loop 、 Graph :三层工程化


把 Agent 工程的演进压缩成三句话:


•Prompt Engineering 让一次模型调用更可靠。
•Loop Engineering 让一个 Agent 的行为过程更可靠。
•Graph Engineering 让一组 Agent 的组织协作更可靠。


核心对象在每一层都不一样。 Prompt 关心 instruction--模型看到什么、按什么格式输出、不要做什么。 Loop 关心 control cycle--触发条件、工具调用、状态更新、验证器、重试策略、停止条件。 Graph 关心 topology--节点、边、状态、 artifact 、权限、观测、评价、变更历史。


这三层是互补的,不是替代。每个重要节点内部仍然是一个 loop ;图只是决定 loop 怎么被组织、约束、连接。一个团队如果只在 Prompt 层努力,看不到 Loop 层的工程问题;只在 Loop 层努力,又看不到 Graph 层的组织问题。


判断你站在哪一层有个简单标准:如果你最大的痛点是"模型偶尔输出不对",你在 Prompt 层;如果是"Agent 跑着跑着就跑偏了",你在 Loop 层;如果是"多个 Agent 各干各的、结果对不上",你在 Graph 层。


不是所有任务都需要走到 Graph 层。一个"每天扫一遍 issue 、修简单 bug 、跑测试、开 PR"的清晰 loop ,加图只会增加复杂度。但当任务天然跨域--重构支付系统同时保 API 兼容、迁数据、更前端、过测试、评安全、出发布说明--单 loop 必然变成一团乱麻,你需要的是把"谁做什么、依赖谁、什么并行什么串行、失败怎么隔离、证据怎么留"显式画出来。这件事本质上就是图问题。


三、第一刀:把图拆成 Org Graph 和 Work Graph


最常见的新手错误,是把所有东西画进一张大图。生产系统通常需要两张图。


Org Graph (组织图):相对稳定,描述长期角色和边界。一个工程团队的 Agent 组织可能有产品、架构、前端、后端、数据、安全、测试、发布、成本这几个角色。它们的价值来自长期上下文--一个 Security Agent 知道哪些接口有遗留风险、历史上出过哪些认证问题、哪些日志绝对不能暴露。这些记忆不随任务结束而消失。


Work Graph (工作图):为某次任务运行临时生成的图。不同任务--登录重构、计费改造、多租户迁移--产生不同的工作图。工作图描述这次任务怎么拆、怎么并行、怎么汇合、怎么终止。分支可以动态增加(发现数据迁移复杂度上升,临时加一个 Data Migration 分支),也可以提前终止(安全检查发现没动权限模型,直接收掉这条线)。


•Org Graph 回答:长期谁在、谁负责什么。
•Work Graph 回答:这次任务现在在哪、下一步谁依赖谁。


很多团队失败的原因是想用一张固定流程图覆盖所有任务--简单任务被过度编排,复杂任务又缺弹性。好的 Graph Engineering 让稳定角色和动态任务共存: Org Graph 是底座, Work Graph 是每次任务在上面长出来的临时拓扑。



四、节点不是"多个 Chatbot"


很多多 Agent demo 看着很酷,其实只是把一个混乱的聊天线程拆成几个有名字的参与者。真正的图节点必须有工程含义。一个合格的节点要定义六件事:


1.责任边界:管什么、不管什么。 Security Agent 可以否决权限变更,但不能改产品需求。
2.输入契约:启动需要哪些 artifact 。 Test Agent 需要的是 spec 、 diff 、失败日志、测试环境约束,不是一句"帮我测一下"。
3.输出契约:必须交付哪些结构化结果。不是"看着没问题",…
— 以上为试看内容(约 40%),开通会员后阅读全文 —