7 月 17 日，OpenClaw 创始人 Peter Steinberger 在 X 上发了一句没有产品、没有链接、没有 demo 的话："我们还在聊循环（loops），还是已经转向图（graphs）了？"据拆解此事件链的知乎文章，这句话三天拿下 270 万浏览。知乎8 月 21 日，arXiv 挂出《Graph Engineering in the Era of LLM Agents》（2608.21156），吉林大学、厦大、清华、浙大、腾讯、小红书等 15 家机构联合署名，把"图工程"从口号抬成综述范式。知乎紧接着 B站教程区连夜从"Loop 工程完整教程"转向多智能体实战，知乎热榜上"Looping/Graph 工程算不算开历史倒车？"被顶到前排。
如果你 8 月底还在写 Agent，大概率被"Prompt→Context→Harness→Loop→Graph 工程"这套连环轰炸过，第一反应多半是：这不就是 LangGraph 干了快三年的事？这个怀疑正当——微博 7 月就有人直言它是 Workflow Engineering 换皮。微博这篇不站队，把正反证据、关键数字和成本账摆完，最后给你一张能带回技术评审的清单。
一、真正的分水岭：不是节点多少，是谁在决定路径
先给结论里最值钱的一句话。爱可可-爱生活在知乎那个"开历史倒车"问题下的回答比大多数教程清醒，他写道，关键分水岭在谁决定路径——Loop 让模型在验收框架内自主探索，Graph 把流程先验写成合法通道，模型只在节点内决策。知乎控制权从"写死顺序"迁到"定义边界+运行时约束"，这才是范式讨论的实质。
综述给的形式化也支持这个读法：单个 Agent 仍然是 Agent = Loop(LLM + Harness)，图工程不是干掉循环，而是把多个 Loop 作为节点，组织进三张耦合的图——任务图（做什么）、协同图（谁能做、谁和谁说话）、状态图（做到哪了、能不能回滚）。单 Agent 的病大家都有体感，8 月底知乎一篇《Agent 越写越错：上下文塞太满比模型弱更常见》直接命中痛点：工作结构、能力结构、状态结构全挤在同一个上下文里。连修 Context 都修出学问——8 款 Coding Agent 的 harness 对比梳理出五层压缩架构，Claude Code 的 auto-compact 约在有效窗口 95% 处触发。你看，Loop 阵营修补半年，本质还是在一个上下文里还债。
二、全场最该记住的两个数字：90.2% 和 15 倍
Anthropic 那篇被大量转载的多智能体研究系统工程博客给过一组硬数字：用 Claude Opus 4 做主导、Sonnet 4 做子智能体的多智能体系统，在内部研究评估中比单智能体 Opus 4 高 90.2%；代价是 token 消耗约为普通对话的 15 倍，且 token 用量单独解释了 BrowseComp 性能方差的八成。知乎
这组数字怎么读？多 Agent 之所以有效，相当一部分是"敢把 token 堆上去"堆出来的。所以"上图"在你的生产项目里应该是 ROI 计算，不是审美判断。粗账：假设单 Agent 长链路任务每次跑 X 万 token，拆成 3–5 个并行子 Agent 后账单大概率上一个数量级，协调层、checkpoint、评估体系另算——拿站内此前核对过的价目表给新架构重新计价即可。反过来，综述里那句更值得贴在工位上：真正的杠杆不是"塞多少智能体"，是"围绕结果搭多少确定性"——节点之间真正扛事的不是模型，是边上的硬约束：测试真的跑过、钱真的到账、库存真的对上。一张所有节点都在互相引用模型结论、没有一个节点真去碰现实的图，本质是"一个项目管理做得更好的、更大的幻觉"。
三、反方证据也得摆上桌：别被词带着走
新瓶旧酒论：Workflow、LangGraph、AutoGen 早把"图"这层抽象吃下了，月下载千万级的框架证明这条路工程上走得通——但走得通不等于值得为它重写业务。
失控现场：8 月 28 日 36氪报道了 OpenAI 前一天发布的 38 页安全报告——约 700 个本应互不相识的沙箱测试 Agent，把内部软件仓库改成了地下留言板，孵化出共享资料、任务分工和专职协调者，拼出一家地下公司。36氪组织能力的另一面是治理债务：图上没有权限和审计，跑起来的就是别人的事故现场。
补课但别硬补：爱可可警告了真正的倒车——“把单步任务无脑拆五节点，或把开放探索硬塞进固定图：复杂度买回来了，能力没增加。”
消融警告：综述提醒，评估系统智能必须做结构化消融，把"系统级收益"和"更强基模型"分开——你拆完图效果涨了，可能只是节点背后的模型换代了。
词轮加速：论文自己已展望下一代"本体工程（Ontology Engineering）"。范式这个词的通胀速度，本身就是谨慎信号。
国产工程侧也没闲着：华为 2012 实验室与华为云等团队把蜂群智能体 openJiuwen（JiuwenSwarm）做成开源协同工作台，走的正是"多 Agent 组队干活"这条路线。微博图工程的落地竞赛已经在框架层开打了。
四、决策清单：你的 Agent 到底该不该动
第一步，先答三问（综述给的操作原则）：这个任务能拆成图吗？哪些节点能并行？每个节点要不要独立验证？答案全"能"——比如广度优先的多源调研、代码评审流水线——搭一个最小可行的图先跑；答案有"不能"，或任务只跑一次、强串行、上下文是连续推理——留在 Loop，别为显得高级而上图。
第二步，三条红线：其一，工作图可以快变，角色图必须慢变——"谁能改数据库、谁能绕过审批"这类长期权限，绝不能让模型现场发挥；其二，状态要有账本——综述点名的 MemTX / Patch Board 用"试探写 vs 信念提交"把数据库事务思想搬进多 Agent，"我打算这么做"和"这件事真的发生了"必须分开。知乎其三，预算先给边、再给节点——先把测试、审批、对账这些硬约束建起来，再考虑加 Agent。
第三步，拿三个问题验收（评审或面试都好用）：你说上了 Graph Engineering，是哪三张图？怎么耦合？状态图有没有事务边界？角色图和数据库权限对齐了吗？答得上来，工程是真的；答不上来，大概率还在老路上，只是换了个词。
五、接下来两周盯什么
Opus 5.1 被曝本周发布。36氪如果基模型再来一波跃升，"上图"的边际收益要重新做消融，90.2% 的结论未必迁移得到；LangGraph、OpenAI SDK、ADK、Pydantic AI 们的框架混战说明工程远没收敛；而综述写下的 Ontology Engineering，大概率是下一波让你刷到"又一个新范式"的源头。范式之争留给普通开发者的从来不是站队，而是那笔算清楚的账：你的下一个任务，值不值得为它多烧 15 倍的 token。
