实战|从 Loop 到 Graph Engineering ,如何让 Agent 系统长期、可靠地运行
上周,龙虾之父Peter Steinberger 发了一条推文:我们还在讨论 Loop,还是已经转向 Graph 了?很多人会把它解读成技术范式更替:Loop 已经过时,Graph 将成为下一阶段 Agent 系统的标准架构。但问题在于,Loop 解决的是一个执行单元如何持续迭代的问题。Graph 解决的是多个执行单元如何连接、分支、并行、等待和恢复的问题。两者其实并不冲突。一个节点内部可以运行 Loop,一张 Graph 里也可以存在循环边。Graph 并没有消灭 Loop,而是把原本隐藏在单个 Agent 上下文里的职责、依赖和控制逻辑,提升成一套显式的执行结构。然后引入条件路由、并行任务、失败分支和人工审批,让Agent 从完成一个简单任务,升级为可以完成更复杂的长程任务。但仅仅把几个节点连成一张图,并不会自动带来可靠性。一套能够长期运行的 Agent Graph,至少还要解决四个工程问题。01
驱动循环持续运转的动力机制
一个可以良好运转的 Graph 系统里,离不开高质量的底层 loop 存在。只不过,很长一段时间里,Loop Engineering 很容易被理解成:在实践当中,这种简单的while循环,对于编译、测试、修复这类能够快速得到反馈的任务很有效。但现实中的任务并不都适合做连续运行。日报和数据巡检更适合定时触发:每天早上执行一次,没有变化就不要让模型去硬编内容。舆情监控、告警监控等更加适合事件触发。这些都是一个简单的while循环解决不了的。总的来说,我们可以根据不同任务,在以下五种驱动方式做自由选择:连续运行:上一轮结束后立即进入下一轮,适合批量迁移、系统性重构或有明确指标的持续优化。定时触发:每隔一段时间运行一次,适合日报、周期检查和定期维护。条件轮询:外部状态发生变化后再继续,例如出现新的 PR、指标跌破阈值或数据源完成更新。事件触发:由 webhook、告警、代码提交或新工单直接唤醒任务。组合触发:平时按事件运行,同时用定时任务检查是否有遗漏。说白了,这里的Loop并不是一个代码意义上的纯循环,而是指为了让任务长久运转起来,而设计的不同动力机制。我们实践中的一个小经验是:真正可恢复的 Loop,必须把当前目标、任务队列、执行记录、验证证据和待处理问题存放在会话之外。这样,即使 Agent session 结束、程序重启或执行环境更换,下一次启动仍然能知道:上一轮做到了哪里、哪些结果已经通过验证、哪些任务仍然待处理、哪些方向已经尝试过并被否决、当前应该从哪里继续。但只做好 loop的分类 就够了吗?如果你用过纯Loop系统,比如Ralph Loop,应该不难发现:它其实并不可靠,而且总是容易把目标做得越做越漂移。也是因此,针对长程任务,我们需要引入Graph 理念里的角色分权,来作为机制兜底。02
Graph 的探索者、执行者、验证者角色分权与小步纠偏
Graph的一个典型特征是,能让具体的Agent负责具体的专一的任务,然后把Agent 按照节点和边的关系进行合作分工。在内部的实践当中,我们发现,如果把一个任务拆成Graph上的三个子任务,给三个独立的不同的子Agent来按顺序依次完成,然后再将这个过程再用Loop打包起来,继续后续的循环。这套玩法比只用一个Agent去做这个任务,产生的效果更好,长期运行的动力也更稳健。具体来说,我们会把这个三个子Agent设定为三个不同的角色:探索者(explore)负责重新读取目标、项目状态、历史记录和已有结果,然后回答三个问题:当前最值得解决的问题是什么?哪一步足够具体,可以在一轮内完成?完成之后,应该用什… — 以上为试看内容(约 40%),开通会员后阅读全文 —