首页 文章 精选 留言 我的

精选列表

搜索[graph],共2490篇文章
优秀的个人博客,低调大师

Claude Graph Engineering:从线性 Agent 到图工作流架构师的 14 步路线

# 前言 ![](https://developer.qcloudimg.com/http-save/yehe-5714147/d669c3e4d1cb7a3511dd7e2ac7654cfe.jpg) 很多人第一次做多步 Agent,写出来的其实是一条直线:第一步、第二步、第三步,每一步都等上一件事结束。问题是,很多步骤根本不需要等。 它们不路由,不分支,不并行,只是在同一个上下文窗口里排队。等窗口越来越长,Agent 也开始忘记自己最初要做什么。 这篇内容讨论的是一个更硬的转变:不要把 Agent 设计成一串提示词,而是把工作设计成一张图。节点负责具体任务,边负责传递结果,代码负责调度。这样,一个单文件线性流程就可以变成能扇出、能验证、能合并的多 Agent 工作图。 > *可以把它理解为:提示词是一句话,循环是一种节奏,harness 是 Agent 站立的地板;真正决定 Agent 能跑多远的,是任务本身的拓扑结构。* ![](https://developer.qcloudimg.com/http-save/yehe-5714147/3cadcf95ea14580f7ea5ac1bad1095d6.png) ![](https://developer.qcloudimg.com/http-save/yehe-5714147/76076610684a5239b88baa3dd26c9a28.png) ## 这套方法解决什么问题 Claude Code 的 dynamic workflows 让 Claude 可以写一段普通 JavaScript 编排脚本,再启动一组 subagent 协同执行。调度本身由代码完成,不需要反复塞进模型对话里,所以不会持续占用主会话上下文。 文章的核心观点很直接:工作流的形状本身就是图。哪些步骤能同时跑,哪些步骤必须等待,哪些结果需要汇总,哪些发现要复核,这些都不是“提示词写得好不好”的问题,而是图结构问题。 如果能画出节点和边,就能看见三个机会: **•**哪些步骤其实没有依赖,可以并行。 **•**哪些步骤只是数据清洗,应该用代码完成。 **•**哪些结果必须经过验证节点,才能进入最终答案。 ![](https://developer.qcloudimg.com/http-save/yehe-5714147/8f54c41edd5993466f4d2cd64c552e39.jpg) ## 01. 节点是任务,边是流动的数据 图只有两个基础对象:节点和边。 节点是一段有边界的工作:一个 Agent、一个明确任务、一个输入和一个输出。边是依赖关系,表示这个节点的输出会进入另一个节点的输入。 ![](https://developer.qcloudimg.com/http-save/yehe-5714147/aa5b471a1924d18e0f21e22f76e36851.png) 最常见的误区,是把“然后”当成边。比如“总结这个文件,然后告诉我天气”,两件事没有真实依赖,天气查询不读取文件总结结果。它们是两个独立节点,只是被线性脚本硬绑在一起。 判断一条边是否真实,问一句就够了:下一步是否读取上一步的输出?如果不读取,就没有边,也没有等待的理由。 ``` class="language-text">把工作画成盒子和箭头。 盒子是一次 agent() 调用。 箭头是一个节点返回的变量,被传入另一个节点的 prompt。 如果画不出这条变量箭头,两个盒子就是独立的。 ``` ## 02. 线性脚本是一种退化图 “先做 A,再做 B,再做 C,再做 D”当然也是一张图,只是它退化成了一条链。每个节点只有一条输入边和一条输出边。 这类链条通常能跑,但慢,也脆。只要 C 卡住,D 永远不会发生,A 和 B 的结果也被困在上游。 ![](https://developer.qcloudimg.com/http-save/yehe-5714147/3bf95266b7bc3d48647d19c5f8ed1081.png) 图工程的第一项能力,是重画这条链。拿着每一条箭头问:这里真的有数据依赖吗?很多链条里,有两三条箭头只是你敲代码时自然写下的顺序,并不是任务本身的依赖。 剪掉这些假边,线性链条就会变宽:几个独立节点可以同时跑,最后再汇入一个真正需要全量结果的节点。 ## 03. 给每个节点一个契约 如果一个节点的输入输出说不清,就很难并行。解决办法是给节点写契约:输入有边界,输出有结构,任务只做一件事。 输入应该显式传入,不能假设它能读到某个共享上下文。输出最好用 schema 验证,方便下游节点直接消费。 ![](https://developer.qcloudimg.com/http-save/yehe-5714147/93d3f769f4617119b8c1a539460f10b3.jpg) 在 Claude workflow 里,可以在 `agent()` 调用中提供 JSON schema。子 Agent 必须返回符合结构的数据;如果不匹配,验证层会让它重试,而不是把一段自由文本丢给你再手动解析。 ``` class="language-javascript">"color:#6a9955">#6a9955">// 一个有契约的节点:输入有边界,输出被验证,只做一个任务。 const ITEM = { type: 'object', additionalProperties: false, properties: { title: { type: 'string' }, url: { type: 'string' }, impact: { type: 'string', enum: ['high', 'medium', 'low'] }, }, required: ['title', 'url', 'impact'], }; const result = await agent(source.prompt, { label: "color:#ce9178">`research:${source.key}`, schema: ITEM, agentType: 'general-purpose', }); ``` 这就是“能被图接线的节点”和“只能让人读一遍输出”的节点之间的区别。 ## 04. 把边当作数据契约 边不是“B 在 A 后面”。边的含义是:A 产出一种结构,B 消费这种结构。 ![](https://developer.qcloudimg.com/http-save/yehe-5714147/bc6f771c0a12a40da2cb9871c2ca3f1e.png) 当你用数据来命名边,而不是用执行顺序命名边,两件事会更清楚: **•**这条边是否真实存在,是否真的有数据移动。 **•**只要数据结构不变,边两端的节点是否可以替换。 在实际 workflow 里,很多边只是普通 JavaScript:展开数组、去重、过滤、排序。这些不需要 Agent,也不需要模型判断。 ``` class="language-text">如果“合并结果”只是 flatMap 和 Set,就别启动一个 Agent。 Agent 应该用来做判断,不该用来搬管道。 边如果全是 Agent,整张图就在为自己的接线付 token。 ``` ## 05. 用 parallel() 扇出 这是图工程里最能立刻带来收益的一步。面对 N 个独立节点,比如 N 个资料源、N 个文件、N 条路由,不要串行跑。 用 `parallel()` 扇出。Claude 会接收一组 thunk,并为每个 thunk 启动一个 subagent 并发执行,最后返回结果数组。 ![](https://developer.qcloudimg.com/http-save/yehe-5714147/5008ca44e3a9b17e603a5f6a675da5e3.jpg) 这里有两个细节很重要: **•**`parallel()` 是一个 barrier,它会等所有 thunk 结束后再返回。 **•**某个 thunk 抛错会变成 `null`,不会让整个批次失败。 所以结果回来后,通常要做一次 `.filter(Boolean)`。并发数量会被限制在机器可承受范围内,多出来的任务排队执行。 ``` class="language-javascript">phase('Research'); const raw = await parallel( SOURCES.map((s) => () => agent(s.prompt, { label: "color:#ce9178">`research:${s.key}`, phase: 'Research', schema: ITEM_SCHEMA, agentType: 'general-purpose', }), ), ); const collected = raw.filter(Boolean); ``` 扇出的好处不只是速度。主 Claude 会话不必同时塞下九个来源,每个 subagent 自己携带局部上下文,最后只把结构化结果返回给编排层。 ## 06. 在 barrier 处扇入 扇出之后,必须有地方把结果收回来。扇入节点就是多条边汇合的地方,它会看到所有上游结果,然后做真正需要全量视角的事情:跨来源去重、按影响排序,或者发现总结果为空就提前退出。 ![](https://developer.qcloudimg.com/http-save/yehe-5714147/a77b44c2b60d2e56678fc383a6e84f24.jpg) 规则很简单:只有某个阶段真的需要所有上游结果时,才设置 barrier。 跨来源去重需要 barrier;单纯展开数组不需要。能用普通代码做的中间变换,就让边自己完成。 ``` class="language-javascript">const flat = collected.flatMap((c) => c.items); log("color:#ce9178">`Collected ${flat.length} items`); phase('Curate'); const curated = await agent( `Dedupe and rank these by impact: ${JSON.stringify(flat)}`, { phase: 'Curate', schema: CURATED_SCHEMA }, ); ``` 如果你写出了 `parallel -> transform -> parallel`,而中间的 `transform` 没有跨项目依赖,那通常应该改成 pipeline,不该让所有 item 在中间集体等一次。 ## 07. 钻石结构:拆分、工作、合并 把 fan-out 和 fan-in 放在一起,就是严肃 Agent 图里最常见的拓扑:钻石结构。 一个节点拆任务,多个节点并行工作,一个节点合并结果。市场扫描、依赖审计、代码审查、研究报告,都可以套这副骨架,只需要换来源和 prompt。 ![](https://developer.qcloudimg.com/http-save/yehe-5714147/62161fa77beef3f9198f796256c593fe.png) 它的标准形态是:fan out -> reduce -> synthesize。 先扇出拿广度,再用代码压缩结果,最后用一个 Agent 写答案。理解了钻石结构,就不会只问“怎样让 Agent 做更多步骤”,而是开始问“哪里应该拆,哪里应该合”。 ## 08. 用条件判断在运行时路由 图不一定是固定的。很多时候,下游路径取决于上游节点发现了什么。 一个 router 节点可以先分类,再由代码决定走哪条边:工单属于哪一类,就交给对应处理器;diff 风险高,就进入完整审计;风险低,就走快速审查。 ![](https://developer.qcloudimg.com/http-save/yehe-5714147/a89b2d5053370093ab22ea5e37613d29.png) 在 workflow 里,这就是 JavaScript 的 `if` 或 `switch`。Claude 可以负责分类,但路由本身由代码执行。这样同样的分类会走同样的路径,不会出现模型临场跳过审计的意外。 ``` class="language-javascript">const { severity } = await agent( `Classify this diff's risk: ${diff}`, { schema: { type: 'object', properties: { severity: { enum: ['low', 'high'] } }, required: ['severity'], }, }, ); let review; if (severity === 'high') { review = await parallel(FILES.map((f) => () => agent("color:#ce9178">`Audit ${f}`))); } else { review = await agent("color:#ce9178">`Quick review of ${diff}`); } ``` ## 09. 在边上放验证器 图的真正杠杆不是“更多 Agent”,而是能在 Agent 周围包上可靠结构。 验证节点放在结果进入下游之前,任务只有一个:试着推翻这个发现。能活下来,就放行;活不下来,就不进入最终答案。 ![](https://developer.qcloudimg.com/http-save/yehe-5714147/05af776b1fde5b60faa675e40c98f52a.png) 作者给了三种验证模式: **•**对抗式验证:每个发现交给 N 个独立怀疑者去反驳,多数通过才保留。 **•**多视角验证:每个 verifier 带不同视角,比如正确性、安全性、是否可复现。 **•**评委组:从多个角度生成 N 个候选结果,再让评委并行打分,综合出最终版本。 这种结构已经出现在真实工程里:例如把 Bun runtime 移植到另一个环境时,把对抗式代码审查嵌进循环,能提前挡掉单 Agent 容易漏掉的问题。 ## 10. 隔离节点,避免一个失败污染整张图 在线性链条里,一个节点失败会向后级联。C 死了,D 就不会运行。 图应该把失败限制在节点内部。`parallel()` 已经做了一部分:某个 thunk 失败会返回 `null`,其他节点照常返回。你的 fan-in 需要能容忍缺失输入,而不是假设每个上游节点都成功。 ![](https://developer.qcloudimg.com/http-save/yehe-5714147/4513e4b59a772e657af4e8a07e3b3960.png) 还有一种更隐蔽的问题:并行 Agent 会互相踩文件。多个 Agent 同时写代码时,可能互相覆盖。 解决办法是隔离工作区。每个 Agent 在自己的 git worktree 里执行,完成后再干净合并。它不是所有任务的默认成本,而是“并行写文件”这种拓扑的安全带。 ## 11. 加循环,但必须收敛 有些任务一开始不知道规模:未知 bug 搜索、发现一个问题又牵出三个问题的扫描。它需要循环,也就是一条回到早先节点的受控边。 风险也很明显:不收敛的循环会无限启动 Agent,直到预算耗尽。 ![](https://developer.qcloudimg.com/http-save/yehe-5714147/89eaba2c419f3fa93b4589de441694fa.png) 可收敛的模式叫 loop-until-dry:持续启动发现节点,直到连续 K 轮没有新发现再停止。 这里最容易犯错的是去重对象。要对所有“见过”的项目去重,而不是只对已确认项目去重。否则被否掉的发现会每轮重新出现,循环永远不会干。 ``` class="language-text">const seen = new Set(); const confirmed = []; let dry = 0; while (dry () => agent(f.prompt, { schema: BUGS })) )).filter(Boolean).flatMap((r) => r.bugs); const fresh = found.filter((b) => !seen.has(key(b))); if (!fresh.length) { dry++; continue; } dry = 0; fresh.forEach((b) => seen.add(key(b))); "color:#6a9955">#6a9955">// 对 fresh 发现做多视角验证,通过后才进入 confirmed。 } ``` ## 12. 按节点给模型分层 不是每个节点都需要最强模型。图结构会把这件事暴露得很清楚:有些节点很重复,比如抽字段、分类工单;有些节点才真的需要判断,比如合成报告、裁决发现。 ![](https://developer.qcloudimg.com/http-save/yehe-5714147/3e7070744fe149dbbb63727def43a435.jpg) 默认情况下,Claude 启动的每个 subagent 会继承当前会话模型。如果你在高配模型会话里跑一大批重复节点,成本会很快上来。 可以在单个 `agent()` 调用里指定模型。把重复、边界清楚的扇出节点切到便宜模型,把最终合并和判断节点留给强模型。这不改变图的形状,却能显著改变成本。 ## 13. 拓扑决定成本和延迟 图的形状不是装饰,它直接决定延迟。 最容易踩坑的选择是 `parallel()` 和 `pipeline()`。`parallel()` 的 barrier 会让所有节点等最慢那个结束,下一阶段才能开始。`pipeline()` 则让每个 item 独立流过所有阶段。A 已经到第三阶段时,B 可能还在第一阶段,快 item 不必陪慢 item 等。 ![](https://developer.qcloudimg.com/http-save/yehe-5714147/24a179453dd01462e45af1f46addd738.png) 默认应该先考虑 pipeline。只有某个阶段确实需要前一阶段的全量结果,才使用 barrier,比如跨集合去重、根据总量提前退出、需要比较“其他发现”的 prompt。 “代码更整齐”不是 barrier 的理由。分阶段不等于同步等待。 ## 14. 让 Claude 自己画图 最后一步,是不要总是手动画图。对于无法预先规划的任务,可以直接让 Claude 写动态 workflow。 你描述目标,Claude 写编排脚本,拆任务、选择扇出、启动 subagent fleet,再合成结果。得到的不是一张固定模板,而是为当前任务临时生成的图。 ![](https://developer.qcloudimg.com/http-save/yehe-5714147/a7614674b09ca9fe983cc060326a2d09.jpg) 入口有三种: **•**在 prompt 中直接说 “workflow”,让 Claude 为这次任务写一个工作流。 **•**运行保存过或内置的 workflow,例如 `/deep-research`,它本身就是“scope -> parallel search -> fetch -> adversarial verify -> synthesize”的生产级图。 **•**打开 ultracode,让 Claude 为会话里的重大任务规划 workflow。 如果某次 workflow 跑得好,可以按 `s` 保存到 `.claude/workflows/`。这样它会进入版本控制,可以按名字复跑,团队其他人 clone 仓库后也能使用。 ``` class="language-text">Run a workflow to audit every route under src/routes/ for missing auth. Spawn one agent per route file, then verify each finding before reporting. Claude wrote an orchestration script, launching in background... /workflows - auth-audit - running Scope 1/1 Fan-out 18/18, one agent per route file Verify 11/18, three-vote skeptics per finding Synthesize waiting on verify ``` ## 本周可以试的六张图 ![](https://developer.qcloudimg.com/http-save/yehe-5714147/c8c48e2672f7f5e902c7385bc421fea4.png) 第一张图:安全扫描。让 Claude 为每个路由文件启动一个 subagent,寻找缺失的鉴权检查,再用 verifier 确认每个发现。它能覆盖单个上下文装不下的范围。 第二张图:带引用的深度研究。用 `/deep-research` 把问题拆成多个角度,并行搜索,去重资料,再用对抗式验证复核每个结论。 第三张图:逐文件移植模块。把一个模块按文件扇出迁移,每个文件跑测试作为 gate,失败再回环修复。这里的重点是“文件级并行 + 测试门禁 + 对抗审查”。 第四张图:diff 的对抗式审查。先按 diff 大小或风险路由,小改动走快速审查,大改动触发多视角并行审计,比如正确性、安全性、性能,再由评委组合成结果。 第五张图:定时生态扫描。把多个来源并行抓取,在 barrier 处按影响排序,最后生成摘要。保存成 `.claude/workflows/` 后可以长期复跑。 第六张图:未知规模发现。并行启动 finder,对所有已见项目去重,验证幸存发现,再循环到连续两轮没有新发现为止。 ## 结语 普通 prompter 会问一个问题,架构师会画一张图。 线性 Agent 从来不是上限,它只是最容易写出来的第一种形状:一条线,一个头,一次只做一件事。 一旦能看见节点和边,你就不会只要求 Agent “多做几步”,而会开始让工作图变宽:独立任务扇出,需要信心的地方加验证,判断不强的节点换便宜模型,真正需要全量视角时再合并。 很多人还会继续把步骤排成队。能画出图的人,会跑出一支 Agent fleet,也会更少被上下文窗口和串行延迟困住。 --- ## 声明 本文由山行整理自:原文链接[1],如果对您有帮助,请帮忙点赞、关注、收藏,谢谢~ **参考链接** [1] 原文链接: https://x.com/0xCodez/article/2079165300625330317

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。

用户登录
用户注册