论文页面 - 大语言模型智能体时代的图工程：从个体智能到系统智能

来源：https://huggingface.co/papers/2608.21156 发布于 8月21日

·

由https://huggingface.co/eric-xiang提交

eric (https://huggingface.co/eric-xiang) 于 8月24日

#2 当日论文 (https://huggingface.co/papers/date/2026-08-24) 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

图工程通过动态图结构组织多智能体大语言模型系统，以协调专业化智能体并管理复杂、动态演进的任务。

大语言模型已从语言生成器演变为能够执行复杂、长期任务的自主智能体。这一演进催生了包括提示工程 (Prompt Engineering (https://huggingface.co/papers?q=Prompt%20Engineering)（用于激发模型能力）、上下文工程 (Context Engineering (https://huggingface.co/papers?q=Context%20Engineering)（用于管理信息访问）、驾驭工程 (Harness Engineering (https://huggingface.co/papers?q=Harness%20Engineering)（用于组织外部工具和资源）以及循环工程 (Loop Engineering (https://huggingface.co/papers?q=Loop%20Engineering)（用于支持持续反思和自我改进）在内的多种范式。然而，随着任务复杂度的提升，个体智能面临一个根本性限制：许多任务需要异构专业知识、相互依赖的子任务、并行执行、独立验证和持久状态，这超出了任何单个智能体的组织能力。增强单个智能体的能力或上下文无法解决这种架构上的不匹配；智能必须分布在专业化智能体中，并在系统层面进行组织。我们将此称为系统智能 (System Intelligence (https://huggingface.co/papers?q=System%20Intelligence)：智能体系统将多个智能组件组织和协调成一个连贯、适应性强、共同追求共享目标的整体的能力。实现它不仅需要增加智能体；更需要明确的结构来组织工作、协调异构智能体并维护演进的执行状态。我们引入了图工程 (Graph Engineering (https://huggingface.co/papers?q=Graph%20Engineering)，这是面向下一代智能体系统的新兴范式。与先前主要优化个体交互或智能体级行为的范式不同，图工程 (Graph Engineering (https://huggingface.co/papers?q=Graph%20Engineering)构建了显式的、动态的、演进的图结构 (graph structures (https://huggingface.co/papers?q=graph%20structures)，用以表示任务、智能体和系统状态。这些抽象提供了一个统一的基础，用于组织复杂目标、编排异构智能体、建模系统动态并支持可扩展的智能体演进。我们系统回顾了图工程 (Graph Engineering (https://huggingface.co/papers?q=Graph%20Engineering)在大语言模型智能体 (LLM agents (https://huggingface.co/papers?q=LLM%20agents)中的原则、方法论和应用。相关论文、开源数据和项目汇集于 https://github.com/DEEP-JLU/Awesome-Graph-Engineering\。

查看 arXiv 页面 (https://arxiv.org/abs/2608.21156)查看 PDF (https://arxiv.org/pdf/2608.21156)GitHub9 (https://github.com/DEEP-JLU/Awesome-Graph-Engineering)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.21156)

在你的智能体中获取此论文：

hf papers read 2608\.21156

没有最新 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

无模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2608.21156 以从本页面链接。

引用此论文的数据集0

无数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2608.21156 以从本页面链接。

引用此论文的 Spaces0

无 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2608.21156 以从本页面链接。

包含此论文的收藏0

无收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection) 以从本页面链接。