从代理循环到结构化图的转变，及其背后的研究

我经营一家AI咨询公司，在完成一系列客户项目后写了这篇文章。分享出来是因为它可能有用，而不只是丢个链接。我在生产级代理工作中不断看到的一个转变：从将代理作为循环运行（指向一个任务，让它重复直到完成，就像Ralph Wiggum方法那样），转向将其作为图来运行：命名步骤、定义边、可检查和设置检查点的显式状态。深入研究后，有几个点尤为突出： - 持久化执行引擎（Temporal、Restate）意味着运行中途崩溃会从停止的地方恢复，而不是重新开始或重复已经产生副作用的步骤。 - 一篇2026年的调研（arXiv 2603.22386）发现，在运行时完全生成工作流图通常是大材小用。务实的折中方案是使用一个经过充分验证的图，配合一个路由器为每个任务选择正确的路径。 - AFlow使用蒙特卡洛树搜索在图结构空间中进行搜索，比人工设计的工作流提升了5.7%，比其他自动化方法提升了19.5%，并且让一个更便宜的模型在仅花费4.55%成本的情况下达到了GPT-4o级别的结果。完整的文章及来源见第一条评论（根据本版规则，此帖子本身不包含链接）。很好奇这里的其他人是否也看到了同样的转变，或者仍然觉得循环对自己的项目来说已经足够好。