🚀 我们刚刚构建了Graph Engineering的首个实时实现,灵感来自于我们为4000+开发者构建图工具的经验。
摘要
GraphArc是一款新的开源工具,将AI代理工作流转化为交互式实时图,使开发者在批准操作之前能够可视化、检查、调试和控制代理执行。
🔗 仓库:https://github.com/CodeGraphContext/grapharc
你是否曾因你的AI代理而感到沮丧:
- ❌ 执行了你从未想要的操作?
- ❌ 创建、修改甚至推送了你从未要求的更改?
- ❌ 感觉就像一个完全的黑匣子,让你无法理解正在发生的事情,直到为时已晚?
如果在执行之前,你能可视化整个编排图——每个代理、每个依赖、每个决策,并在批准之前从任何地方(甚至手机)检查它,那会怎样?
这正是GraphArc的构建目的。GraphArc没有将代理执行视为埋在日志中的隐藏痕迹,而是将工作流转化为你可以在其中可视化、检查、调试和控制的交互式实时图。
因为AI的未来不仅仅是自主的。它是可观察的、可调试的、可工程化的。
这是我们首次真实世界中的Graph Engineering实现,我们很高兴能与开源社区一起探索这一范式的未来。
💡 我们期待你的反馈、想法和贡献。
⭐ 如果这一愿景引起你的共鸣,请考虑给仓库点星——这确实帮助我们成长,并验证了这一方向。
让我们使AI工作流可理解,而不是神秘。
#GraphEngineering #GraphArc #AIAgents #AgenticAI #LLM #OpenSource #DeveloperTools #AIEngineering #SoftwareEngineering
相似文章
有了 GraphARC,AI 代理从未如此可解释!
GraphArc 是一个开源工具,可将 AI 代理工作流可视化为交互式实时图形,使用户能够在执行前检查、调试和批准代理操作,从而让代理式 AI 更具可解释性和可控性。
图工程?或者我们可以说是打了类固醇的智能体……
介绍 GraphARC,一个 MIT 许可的开源工具,允许模型在运行时编写智能体图拓扑,并配备确定性的准入门以确保可审计的执行,基于 LangGraph 构建,可通过 ollama 在本地运行或对接云 API。
@imryven: 图工程已成为每个认真团队构建代理的默认方式,以下是人们已经交付的内容…
图工程已成为构建AI代理的标准方法,其中LangGraph、CrewAI和AutoGen等框架被Uber和LinkedIn等公司在生产中使用。
@akshay_pachaar: https://x.com/akshay_pachaar/status/2081089131808243999
图工程是一个新术语,指利用节点(工作单元)和边(控制流)构成的图来协调多个AI代理循环。本文解释了该概念、其历史背景(如LangGraph、AutoGen等),以及设计此类图所面临的实际挑战。
@0xwhrrari: Anthropic 工程师展示了如何使用图工程构建运行多天的智能体,“我们超过30%的代码是…”
Anthropic 工程师在一次研讨会中分享了使用图工程构建长时间运行智能体的见解,强调他们超过30%的代码是由智能体图编写的,以加速开发。