图工程？或者我们可以说是打了类固醇的智能体……

图工程在本周诞生了。一年来，关于智能体的讨论一直是循环（loops）与图（graphs）之争。循环易于交付，却无法审计；图是可审计的，但没人愿意为“调查此事件”手动编写一个拓扑，因为其形态只有在工作过程中才会被发现。于是我构建了这个缺失的环节：图由模型在运行时编写，一个确定性的准入门（admission gate）介于提案与执行之间。流程来自演示视频中的一次真实运行：你输入一个英文问题：grapharc go “为什么 UTC 时间 09:14 结账延迟飙升？” 本地 qwen3:8b 提出一个拓扑：分诊（triage）、四个并行证据拉取、一个关联合并（correlate join）、假设（hypothesize）、验证（verify）、报告（report）。准入门检查提案是否符合注册表、策略、剩余预算、深度和无环性（acyclicity）。所有检查都会对每个提案执行，因此模型得到的是完整的异议列表，而不仅仅是第一个。只有被准入的图才会执行。你可以在浏览器中实时观看，每个节点运行时呈琥珀色，完成时呈绿色并附有其独有的 token 账单。提案从你编写的允许列表（allowlist）中指定节点种类。它不携带任何代码，也不包含任何可达的参数。重命名被拒绝的种类并不能绕过策略。拒绝会以结构化的代码和补救措施返回，规划器会据此重新规划。所有内容都落在一个仅追加（append-only）的 JSONL 跟踪文件中。回放、差异比较、指标、成本归因和实时视图都读取同一个文件，因此仪表盘与审计轨迹不可能不一致。MIT 许可，基于 LangGraph 构建，可在 ollama 上完全本地运行，或对接 OpenRouter/OpenAI/Claude。GitHub: https://github.com/CodeGraphContext/GraphARC PyPI: pip install grapharc