图工程详解：是什么、何时用、何时不用

图工程解析：它是什么、何时用它、何时不用 2026 年 7 月 24 日 · 21 分钟阅读 · 查看原文 ↗ Claude AI SEO 金融 大多数人使用 AI 时，只用到了它实际能力的 5% 到 10%。有一条更快的路，而且它比看上去更大。学会它，你就能优化庞大的流程，而不仅仅是个人的小任务。 这正是大公司里真正岗位背后的技能。做一份工作，和设计一百份工作怎么做，两者之间的区别。 我早期很幸运地接触到了它。当我在丹麦最好的大学之一读书时，我们有一整门课只讲一件事：如何把一个流程画成示意图，并让它尽可能高效。 当时它感觉很抽象。现在它正是顶级 AI 工程师在你的时间线上争论的那件事。 到本文结束时，你对图工程的理解，会超过你关注的几乎任何人：图到底是什么、那个立刻让你 AI 变快的测试、那个能自己回本的单一模式、这些东西在哪里悄悄坏掉、什么时候图是错的工具、以及如何用几分钟自己构建一张真正的图。 在我们进入正题之前，在 X 上关注我，并加入我刚创建的 Telegram 频道，我每天在那里发更多 AI 内容。两个都免费。 X - https://x.com/AnatoliKopadze Telegram - https://t.me/kopadzemp 内嵌帖子： 作者：Peter Steinberger 🦞 (@steipete) 帖子 ID：2078277297791189132 来源：https://x.com/steipete/status/2078277297791189132 回复对象：无 正文： > 我们还在聊循环，还是已经转向图了？ 1 —— 这一切从哪来的。 一个月前，整个领域都在谈论循环。然后 Peter Steinberger 发了上面那行，互联网上刚刚学完循环的一个角落，一夜之间就宣布循环过时了。 这个玩笑之所以火，是因为它半真半假。如果你读过我的《循环》那篇文章，你已经有了地基。一个循环，是一个智能体反复改进一件事：试、查、调、再来。那是上个月的技能。 所有人转向的，不是一个更好的循环。而是一个由循环组成的图，一个网络，其中各个周期互相监视、互相纠正，而不是一个智能体独自追逐一个数字。 而工程师们几小时内就反驳了这股炒作，指出这是一个穿着新名字的、几十年前的想法。他们是对的，而这正是好消息。一个跑了三十年关键系统的模式，正是你愿意把工作托付给它的东西。 2 —— 图到底是什么。 一张图，只是为你 AI 工作画的一份计划，好让你能看见它。它回答两个问题：哪些任务需要发生，以及哪个任务必须等哪个。 它只有两个部分，把这两者搞对，就解决了大部分困惑。 一个方框叫节点（node）。它是一份工作：一个智能体做一个任务，一个东西进去，一个东西出来。研究一个竞品。写一份草稿。核对一个说法。 一根箭头叫边（edge）。它只是意味着一个任务需要另一个任务产出的东西，所以它必须等它。而且只有当真实的东西实际沿着它传递时，这根箭头才算数。 节点做思考。边搬运结果。这就是全部词汇。一旦你有了它，你就再也不需要定义了。 让一个节点在图里真正可用的东西，是契约（contract）：一份有边界的任务、一个定义好的输入、一个定义好的输出。输出是一堵自由文本的节点，是一个只有人类能读的节点。输出形状固定的节点，是下一个节点无需猜测就能消费的节点，这才是全部意义。 ▸ 节点契约 任务：研究一个竞品的定价（一份任务，仅此而已） 输入：{ competitor: "name", url: "https://..." } ← 传进来，从不假设 输出：{ price: number, plan: string, source: url, date: "YYYY-MM-DD" } 模式：强制执行。如果 agent 返回自由文本，就拒绝并重试 为什么：定义好的输出，才能让下一个节点在没有人类夹在中间的情况下读取这个节点。这才是让它可接线的原因。 3 —— 找出假边的那个测试。 看你今天运行的 AI 工作流，一步一步走它。在每一步，问一件事：这一步真的需要上一步的结果吗？ 如果答案是肯定的，这条边就是真的。保持顺序。如果答案是否定的，那就没有边，而这段等待是浪费的。那两个任务可以同时运行。 拿一个简单的例子：「检查文件 A 的 bug，然后检查文件 B 的 bug。」它读起来像个序列，但文件 B 的检查从来不看文件 A 返回了什么。它们一个接一个运行，仅仅是因为那是你输入它们的顺序。把它们并排跑，整件事会在较慢的那个单文件的时间里完成，而不是两者相加。 你几乎能在你画的任何工作流里找到两三条这样的假边。每一条都是你免费扔掉的时间。 4 —— 你当前的设置已经是一张图了。 当你把一个 agent 写成「做 A，然后 B，然后 C，然后 D」时，严格来说你已经画了一张图。只是它是最惨的一种：一条笔直的链，每个节点一根箭头进、一根箭头出。 它能正确运行。它也跑得慢、容易坏，因为一条链没有冗余。如果 C 卡住了，D 就永远不会发生，而 A 的工作被困在上游，无处可去。 图工程的第一个真正的技能，是重画那条链。拿你的线性工作流，对每一根箭头问那个假边问题。砍掉那些不搬运数据的箭头，那条线就塌缩成更宽的东西：几个能同时跑的独立任务，喂给一个需要它们全部的任务。 这件事重要的原因不是美观。一个有 40 步的线性工作流，有 40 个顺序失败点，以及全部 40 步相加的延迟。同样 40 个任务画成图，就只有实际存在的那么多真实依赖，通常是三到五个，并且以你最慢那一层的速度完成，而不是一切的总和。这就是一个五分钟的工作和一个十五秒的工作之间的区别，跑的是完全一样的事。 模型从来不是瓶颈。你画的那条线才是。 5 —— 那个回本的模式：菱形。 你不需要一百种形状。观察任何一个认真的 agent 系统工作，同一张图会一再出现。工作分裂，几个工人并排挖掘，某个东西检查他们找到的，然后一切合并回一个答案。 那张图叫菱形，而且它差不多是你今年唯一需要的模式。它的正式名字值得记住：扇出（fan out）、归约（reduce）、综合（synthesize）。 扇出去收集广度，用普通代码归约来压缩，用最后一个 agent 综合来写出答案。 Claude 里的 research 功能在生产环境里跑的正是这个。一个领队规划角度，工人们并行收集，发现被检查，然后才有一份报告到达你。一旦你能看见菱形，你就不会再问「我怎么让我的 agent 做更多步骤」，而开始问「分裂在哪，合并在哪」。第二个问题才是那个能放大的问题。 这是菱形在引擎盖下实际的样子。当你说「workflow」时，Claude 自己写下像这样的一个短脚本，并把协调当代码来跑，这就是为什么在 agent 之间传递结果不花任何额外的上下文。 // 一个市场扫描图 —— 菱形，Claude 在你说 "workflow" 时写下的 const angles = [ "pricing vs the top 3 competitors", "what buyers complain about in reviews", "the feature gaps in the category", "where the market moves in the next 12 months", ]; // 扇出 —— 每个角度一个研究员，全部同时进行 const raw = await parallel( angles.map(a => () => agent({ task: `research: ${a}. every claim needs a source url + date.`, schema: Finding, // 验证过的输出，不是自由文本 model: "cheap", // 无聊的节点 → 便宜的模型 })) ); // 归约 —— 普通代码，没有模型，没有 token const findings = dedupeBySource(raw.flat().filter(Boolean)); // 验证 —— 对每项发现一个全新的 skeptic，试图干掉它 const survivors = await parallel( findings.map(f => () => agent({ task: "try to disprove this. return keep | drop + why.", input: f, freshContext: true, // 从不复用研究员的聊天 model: "strong", // 判断节点 → 强模型 })) ).then(v => findings.filter((_, i) => v[i].verdict === "keep")); // 综合 —— 一个 agent 从存活者中写出答案 return agent({ task: "one report, ranked by confidence, sources attached.", input: survivors, model: "strong" }); 读一遍，整个手艺就都看见了：工作独立的地方做扇出，免费的代码做归约，全新的上下文做验证，无聊的节点用便宜模型、判断所在处用强模型，以及最后的一次综合。市场扫描、代码审查、或研究报告背后，是同一个骨架。换掉角度和提示词就行。 6 —— 检查者是整个诀窍。 现在讲几乎所有人都跳过、而它区分真正图与昂贵玩具的部分。 每一次对 AI 自我审查的严肃测试，都说着同一件事：模型会漏掉自己大部分错误。一个给自己的活打分的模型，对自己太宽容了。 所以你绝不让做了这活的 agent 去检查这活。 你在边上放一个独立的节点。它唯一的任务，就是在这项发现继续往前之前试图干掉它。如果它存活，就通过。如果不行，就在那死掉。 这里有个没人点破的坑：那个检查者需要干净的上下文。 给它和工人一样的聊天，它就不是在检查任何东西，它只是换了一种字体在对自己点头。共享一个上下文的 agent 图，只是一个穿了戏服的单个循环，而且它以同样的方式坏掉，只是更晚、更贵。 所以让验证者全新。自己的上下文。检查一个真实的信号，不是「agent 说它做完了没」，而是「这个测试真的通过没」。 然后把检查拆成三路。它正确吗？它是最新的吗？来源到底是真的吗？三个不同的镜头，抓住十个一模一样的镜头漏掉的东西。 ▸ 验证者节点 输入：来自工人的一项发现（只有发现，从不带工人的聊天） 上下文：全新且空的。它没见过它在评判的工作 检查：三个 skeptic 并行运行，各带一个不同的问题 1. 它正确吗？→ 这个说法真的站得住吗 2. 它是最新的吗？→ 来源是近期的，还是过时的东西 3. 来源是真的吗？→ 链接能解析到它所引用的说法吗 通过：只有当多数 skeptic 放它活时，才保留这项发现 失败：在它到达最终答案之前就丢掉 要记住的规则：一个工人和它的验证者绝不能共享上下文。它们一旦共享，你就退回了一个给作业打分的循环，只是账单更大。 7 —— 图实际在哪里坏掉。 1. 上下文崩塌。 扇出一千个节点，然后试图把全部一千个输出喂进最后一步，你在综合开始之前就把上下文窗口打爆了。 修复：分层扇入。把结果分批，总结每一批，然后合并总结，而不是那一大堆原始结果。 // 分层扇入 —— 永远别把 1,000 个原始输出倒进一个步骤 const batches = chunk(results, 40); // 每组 40 个 const summaries = await parallel( batches.map(b => () => agent({ task: "summarize this batch", input: b })) ); return agent({ task: "write the answer from the summaries", input: summaries }); // 最后一步读约 25 份总结，而不是 1,000 个原始输出 2. 假独立。 两个节点看起来独立，因为它们的提示词从不提到彼此，但它们都写同一个文件、或打同一个限速的 API。那是一条隐藏的边。 当 Bun 的团队第一次把一个大批量任务扇出到很多 agent 上时，它们共享一个工作空间，并互相覆盖了对方。 修复：给每个工人它自己隔离的空间，并且审计共享资源，而不只是共享数据。 // 隔离工人 —— 没有共享文件，没有共享工作空间 await parallel(files.map(f => () => agent({ task: `refactor ${f}`, worktree: true, // 每个 agent 在它自己的 git worktree 里工作 }))); // 它们无法互相覆盖，然后结果干净地合并 // 规则：任何两个写同一个文件的节点需要一条边，而不是并行 3. 静默的节点失败。 在链里，一次失败让一切停止，烦人但明显。在图里，两百个节点里的一个死节点，可以溜进一份看起来完整的报告。 修复：每个合并步骤，都把它收到的输入数量和它预期的数量核对，并标记出缺口，而不是在一半的数据上安静地继续跑。 // 扇入守卫 —— 抓住那个悄悄死掉的节点 const results = (await parallel(jobs)).filter(Boolean); // 丢掉的节点 = null if (results.length < jobs.length) { flag(`WARNING: ${jobs.length - results.length} of ${jobs.length} nodes returned nothing`); } // 绝不在一个不完整的集合上综合，然后称报告为完整 8 —— 你到底需不需要一张图？ 按我这系列文章的传统，让我们诚实地盘一盘，这到底对谁有用。 一张图买的是广度。它买不到更好的判断力。 它是为宽度而生的工具，为一次完成的独立工作而生。当工作不宽时，那条线从来就不是问题。 在这些时候跳过图： 任务小或孤立。加一个函数，修一个 bug。协调纯粹是开销，单个 agent 更快更便宜。 你想批准每一步。图的全部意义，就是在没有你的情况下跑得够宽，所以一条紧的绳子会和它对着干。 你还不知道你在找什么。探索性工作想要一个你能驾驭的 agent，而不是一支锁死在计划里的舰队。 步骤真正互相依赖。把一张图强加到真正顺序性的工作上，只是加了成本，却零加速。 标志就是假边测试。如果你找不到两个之间没有边的任务，那就没有图可建。它是一个循环，而循环没问题。 9 —— 没人想听的部分：锚点。 这里有一个更深的坑，而它才是这整个转变真正的教训。 想象你建了完整的图。成对的检查者、审计节点、调校其他节点的元节点。每个节点监视另一个节点，而它们每一个都读报告。 审计把数字和财务数字核对，而财务数字首先来自同一个系统。 一切都一致。什么也没被验证。 这张图失败的方式，和那个单个循环完全一样，只是更晚、更贵，而且下坠的路上有更多绿灯。 拓扑本身买不到真相。图需要锚点（anchors）：无法被反驳的节点。 真正跑过的测试，不是「应该通过」、而是确实通过的测试。真正落进银行账户的收入。真正留下来的客户。 而有些规则必须被冻结——那些优化器会想削弱它的规则，被保持在禁区，恰恰因为它们正是它为了赢会去弯曲的规则。 一张图，只有和它内部拒绝移动的那些东西一样诚实。 用无法反驳的数字评判它，它就接地气。让它给自己的报告打分，它就会自信地错着。 10 —— 在 Claude Code 里自己构建一张。 理论够了。如果你认定这是给你的，或者你只是想试试，我们来建一张。你可以在几分钟内构建一张真正的图，因为 Claude Code 直接内置了做这件事的工具，叫动态工作流（dynamic workflows）。 它归结为一个词：「workflow」。 把它放进你的提示词，Claude 就不再沿着单行步骤工作了。相反，它写一个短协调脚本，然后拉起一支协调的子 agent 舰队去运行它。 重要的一点是，协调是代码，不是对话。在 agent 之间传递结果，不会像聊天交接那样重新花掉你的上下文，这正是让一次运行能放大到整支舰队、而不淹没会话的原因。 打开一个你熟悉的真实仓库，粘贴这个： ▸ 图规格 目标：审计 src/routes/ 下的每一个路由文件，检查缺失的鉴权 扇出：每个文件一个 agent，全部并行运行 验证：对每项发现一个独立的检查者，带全新上下文 上限：这第一次运行 20 个文件 失败时：标记任何没返回的文件，绝不静默跳过 报告：一份合并后的、缺失鉴权的路由列表 （以「workflow」这个词开始提示词，这样 Claude 会构建这张图） 运行它，发生的是这个。 首先，Claude 发信号说它正在构建一个工作流，而不是在普通聊天里回答，并在做任何事之前把计划给你看。你读它并批准。 然后舰队运行。每个文件一个 agent，全部同时进行，而你自己这个会话全程保持空闲。 而最后落下的，不是二十个要你翻的独立聊天。是一份报告。中间结果活在脚本里，从不在你的上下文里，所以你真正看到的只有最终答案。 那就是一张图。一句话，十几个 agent。当一次运行结果不错时，保存它，它就变成一条你可以永远按名字重跑的命令。 注意提示词里那个「20 个文件」的上限。它让你的第一次运行保持便宜，而且它暗示了每个演示都漏掉的东西：账单。 11 —— 你可以直接粘贴的现成图。 这里的每一个，都是同一张菱形，指向不同的工作。在一个真实文件夹里打开 Claude Code，把方括号里的部分换成你自己的，然后粘贴。「workflow」这个词就是告诉 Claude 去构建一支协调舰队、而不是单行步骤的那个信号。在任何东西发布之前，把自己留作最后那声「是」。 一个决策级研究台。取代一周的谷歌搜索、或一张昂贵的分析师发票。你的问题拆成角度，研究员们同时挖掘，一个 skeptic 攻击每一项发现，只有幸存者到达报告。 ▸ 图规格 目标：对 [你的问题] 做决策级研究 扇出：拆成 5 个不同角度，每个角度一个研究员，并行 规则：每项发现需要一条来源链接和一个日期 验证：一个 skeptic 攻击每项发现并试图反驳它，丢掉失败的 合并：幸存者合并成一份按置信度排序的报告 保存：research-report.md，然后把顶部发现给我看 人类门：在那之后，未经我询问，什么都不改 （以「workflow」这个词开始提示词，这样 Claude 会构建这张图） 一个 SEO 内容机器。每次运行写出一份可以拿去排名的草稿，而且没有你它永远不发布。 ▸ 图规格 目标：一份关于 [主题] 的可排名草稿 并行任务（同时运行）： 1. 当前排名靠前的页面覆盖了什么 2. 人们关于这个主题真正在问的问题 3. 那些顶部页面跳过了什么 合并：把三者合并成一份大纲，然后写一份完整草稿 验证：一个事实核查器，标记每一个没有来源的说法 保存：drafts/，被标记的说法列在顶部 人类门：永远不发布任何东西 （以「workflow」这个词开始提示词，这样 Claude 会构建这张图） 一个上市套件。一次运行产出一整套发布物料，每一块都由你批准。 ▸ 图规格 目标：面向 [受众] 的 [产品] 完整发布套件 并行任务（研究，同时运行）： 1. 描画买家，以及他们使用的原话 2. 摸清这些买家在网上哪里花时间 3. 收集竞品是怎么向他们推销的 合并：一页定位文档 人类门：在写之前，暂停并把定位文档给我看 并行任务（写作，基于那份文档）： 1. 落地页文案 2. 一周的发布帖子 3. 一组外联消息 验证：一个检查者把每个资产和定位文档比对，标记任何偏离 保存：launch-kit/，在那之后未经我询问什么都不改 （以「workflow」这个词开始提示词，这样 Claude 会构建这张图） 跨整个仓库的重构清扫。没有任何单个上下文能容纳的广度。 ▸ 图规格 目标：找出每一个超过 100 行的函数，并为每一个提出重构方案 扇出：每个文件一个 agent，并行 验证：对每个提出的重构一个独立的检查者，全新上下文 去重：把提议和一切已见过的比对 上限：这第一次运行 50 个文件 报告：有多少文件回来了，这样没有任何东西静默失败 （以「workflow」这个词开始提示词，这样 Claude 会构建这张图） 一个规模未知的发现循环。用于那些你在深入之前不知道工作有多大的任务，比如一次 bug 清扫，找到一个 bug 会暴露另外三个。 ▸ 图规格 目标：在这个仓库里猎捕 [安全问题 / 坏掉的错误处理 / 死代码] 扇出：并行跑 finders 去重：把每一个新发现和一切已见过的核对 验证：对幸存者一个独立的检查者 循环：一直继续，直到连续两轮没发现新东西，然后停 上限：对 agent 总数设一个硬限制，好让它跑不掉 报告：按严重程度排序的最终列表 （以「workflow」这个词开始提示词，这样 Claude 会构建这张图） 先跑一个有范围的，看它花多少，然后加宽。当一次运行不错时，保存它，这里每一个都变成一条你按名字启动的命令。 12 —— 成本与监督。 一张图的成本，比一次普通聊天高。高得多。变便宜的是协调，不是工作本身。agent 仍然在烧 token，而一支 agent 舰队烧的是成堆的。 最清楚的例子是公开的。一个工程师用这套确切的设置重写了 Bun 运行时，把大约 535,000 行一种语言，翻译成另一种语言的一百多万行，用了大约十一天。手工做这接近一年的工作。 它跑了大约 50 个工作流，最多有 64 个 agent 同时进行。 它也花了大约 $165,000 的使用费，需要一个人类全程设计和盯着，还因为「这么多 AI 写的代码能否被安全审查」而受到了真正的批评。 这就是它诚实的形状。一张图能扇出到一千个 agent，啃掉任何单个上下文都容纳不下的工作。如果你把它指向错误的任务、或跳过锚点，它也能悄悄在后台花掉你的钱。 所以重型版本，是给那些有预算、有上限、有监控来运行它的团队的。如果那还不是你，你没有错过什么。从小处开始，看一次运行花多少，只有一次运行挣到了，才再放宽。 13 —— 这对你到底意味着什么。 这就是全貌。你现在知道图是什么、它在哪里发光、在哪里坏掉、以及它到底是为谁而生的。 你知道它的强项：广度，一次完成的独立工作。以及它的弱点：它买宽度，不买判断力，而且如果你把它指向错误的工作，它会花掉你的钱。 所以这个动作，不是把一切都图化。而是知道什么时候工作宽到需要一张图，什么时候一个简单的循环从头到尾就是答案。 我的建议：今晚就学假边测试。画出你当前的工作流，找出那些不搬运数据的边，删掉它们。这一个动作，就在你碰任何新工具之前，让你比大多数人更快。 大多数人会继续把步骤排成一条线。少数学会画图的人，会运营一支舰队。 **如果你想跟上 AI 里发生的一切，在 X 和 Telegram 上关注我： X - https://x.com/AnatoliKopadze Telegram - https://t.me/kopadzemp** 标签：# X # Claude # AI # SEO # 金融 # 指南 相关文章 10 个 SEO 外链 Claude 自动化，3 个月带来 61k AI 提及 外链建设就是试错。 SEO AI Claude 自动化