循环工程已死，图工程应运而生

推文原文：Loop Engineering Is Dead. Enter Graph Engineering
该观点由Hamel Husain发布，在AI Agent、AI Coding领域引发大量讨论。标题属于行业激进式观点传播，并非Loop被彻底淘汰，代表智能体工程架构演进方向切换。

一、两个核心概念释义

Loop Engineering（循环工程）

典型代表：ReAct循环
运行模式：观察→思考→行动→反馈→反思迭代
定位：聚焦单个智能体内部闭环，让单一Agent能够持续自主执行、自我纠错。
优势：实现简单，适合目标清晰、流程偏线性的独立任务。
短板：很难表达并行任务、多分支条件流转、多智能体依赖协作；执行路径高度依赖大模型自主判断，流程黑盒，生产环境难以管控、调试、审计。

Graph Engineering（图工程）

典型代表：LangGraph
运行模式：将整个任务系统抽象为有向图

- 节点：Agent、工具调用、代码执行、人工审核、RAG检索等独立执行单元
- 边：条件分支、并行、等待、失败分流、任务合并等流转规则
定位：面向多单元、复杂链路、多角色协同的全局调度。
每个节点内部依然可以嵌入Loop微循环，顶层由图结构约束整体执行走向。

二、行业掀起该讨论的底层原因

1. AI项目从Demo走向企业生产落地
早期验证场景，单一循环足够完成演示；真实业务存在大量分支判断、异常分流、多人/多Agent协同。纯Loop任由模型自由推演，极易出现流程失控。Graph提供显式流程边界，具备可视化、可追溯、可人工干预的特性，更适配企业合规要求。
2. 技术路线从单体Agent迈向Multi-Agent多智能体
多智能体分工场景天然存在任务依赖、并行执行、结果汇总。循环架构缺少描述单元之间调度关系的能力，图结构是天然的建模方案。
3. AI Coding等复杂任务需求爆发
代码开发链路包含需求拆解、架构设计、编码、测试、缺陷修复、人工评审多条分支，单一线性循环无法承载多路径执行。

三、关键澄清误区

1. Loop并没有消亡，二者不是替代关系，而是层级包含关系
Graph负责顶层全局流程编排；Loop负责单个节点内部自主思考与迭代。成熟生产架构普遍采用「Graph外层调度 + Loop节点内自闭环」的组合方案。
2. 概念存在传承性
图编排的思路在传统工作流领域早已成熟，只是迁移到AI智能体领域，被命名为Graph Engineering形成新一轮热点。
3. 选型没有绝对优劣
轻量自动化、独立简单任务，优先使用Loop，开发成本更低；
复杂业务、多分支、多智能体、高可控要求的生产系统，优先采用Graph架构。

四、通俗类比

- Prompt Engineering：单次一问一答，人下达指令
- Loop Engineering：单人持续自主干活，不断复盘修正
- Graph Engineering：搭建一套多人团队协作体系，规定谁什么时候执行、遇到不同情况走向哪条分支，团队成员内部可以自主微调工作方式

Loop工程 Graph工程 LangGraph AI Agent架构