图工程（graph engineering）不是给 AI 工作流再套一层时髦名词，而是把一项复杂工作画成可见的计划：哪些任务必须发生，哪些任务可以并行，哪些结果需要被检查，以及最终在哪个节点由人做决定。它的价值不在于让系统看起来更复杂，而在于减少不必要的等待，同时把错误拦在不可逆动作之前。
下面这套完整方法，从图的基本概念讲到一个最值得复用的菱形模式，再给出研究、SEO 内容和上市推广三套可以直接改造的工作流。每套工作流都把人保留为最后的确认者。
这股趋势有一个背景：Claude Code 的工程师曾说，自己不再直接给它写提示词，而是写“会提示它的循环”；几周后，互联网上又开始宣布循环过时、图才是新答案。噪音背后确实有一门实用的工艺，而且比多数帖子写得简单：不需要工程背景也能开始。
先看完整课程地图
- 第 1 课：图究竟是什么
- 第 2 课：菱形模式——最值得复用的结构
- 第 3 课：停止规则——什么时候不该增加智能体
- 第 4 课：人工闸门——人应该站在哪里
- 图 1：深度研究桌（构建方式与提示词）
- 图 2：SEO 内容机器（构建方式与提示词）
- 图 3：上市推广工具包（构建方式与提示词）
第 1 课：图究竟是什么
可以把图理解成一张 AI 工作计划图。它回答两个问题：哪些工作要做，以及哪一项工作必须等哪一项工作完成。每个节点都是一个可以交给单个助手的任务，例如研究竞争对手、写一份草稿或核对一个说法。
当一项任务必须读取另一项任务的结果才能开始，就用箭头把它们连接起来。与此同时，一小组随工作流移动的运行笔记会记录已经发现的内容、已经做出的决定，以及仍然待处理的事项。
把任务、依赖关系和运行中的信息放在同一张图上，复杂系统才有机会被真正看懂。
开始搭建新工具之前，先检查你今天已经在运行的 AI 系统：每遇到一个“然后”，就问下一项任务是否真的需要上一项任务的结果。只有当工作确实沿着箭头流动时，箭头才是真实依赖。
例如，“总结这个文件，然后查看我的日历”听起来像一个顺序，但查看日历并不需要总结结果，因此这两个任务其实不必互相等待。如果答案是否定的，箭头就是假的，等待就是浪费；你在任何一张系统图里都可能找到两三个这样的假边。
很多系统现在仍然是一条直线：每个任务都等前一个任务完成。这当然能工作，却是最慢的运行方式，因为只要一个任务卡住，后面的所有任务都会被挡住。
工程师很快指出，这种模式其实是使用了几十年的老结构，只是换了一个新名字。他们说得对，而这反而是好消息：已经在关键系统里运行几十年的模式，才值得交给业务使用。
第 2 课：菱形——最值得复用的模式
观察任何严肃的智能体系统，常常会看到同一幅图：工作先分叉，多个工作者并行推进，有一个环节检查它们的发现，最后再合并成一个答案。这就是菱形模式。
一个典型的研究流程是：负责人先规划，多个研究者同时收集资料，检查者在结果到达你之前审查它们，最后才合并输出。Claude 的研究功能在生产环境中也采用了这种结构。
最容易被跳过、却不可省略的是检查步骤。关于 AI 自我复核的大量测试都指向同一个结论：模型会漏掉自己犯下的大多数错误。因此，不要让同一个智能体既写答案又给自己的作业打分。
菱形的核心不是“多几个智能体”，而是把并行产出、独立审查和最终合并明确分开。
把检查交给一个独立任务，它唯一的职责是杀掉不够可靠的发现。还可以让不同检查者回答不同问题：一个判断内容是否正确，一个判断内容是否仍然有效，一个判断来源是否真实。这样每个检查者都有明确的攻击角度，而不是重复地说“看起来没问题”。
第 3 课：停止规则——图买来的是广度
增加智能体并不会自动带来更好的结果，这一课反而最能帮你省钱。当给一组智能体和一个单独智能体相同预算时，前者在可以拆成独立部分的任务上明显更强；但在每一步都必须依赖上一步的任务上，团队反而会输。
图工程买来的是广度，不是更好的判断。
如果每一步都需要完整上下文，就继续使用一个智能体；当工作分裂成互相不读取结果的任务时，图才开始产生收益。所以，在增加任何一个智能体之前，先问唯一真正决定成本的问题：我的工作究竟在哪里分叉？
第 4 课：人工闸门——把人放在不可逆动作之前
你是自己那张图里最重要的节点。任何严肃系统，都应该在不可逆动作之前回到人：发送、发布、退款和开票这些箭头，都应该以你的确认作为终点。这个确认是从草稿流水线通向真实世界之前的最后一个“是”。
Klarna 的公开转向也说明了这一点：它曾大力投入 AI 客服，后来承认削减成本走得太远，于是把人工服务重新带回，并将其作为更高阶的服务。
把批准放在错误代价昂贵、难以撤回的地方，而不是每一步都放一个闸门。
每一步都需要你确认，会让你成为瓶颈；一步都不确认，则意味着没有人真正看守系统。除此之外，还应该用无法争辩的结果指标判断系统：真正到账的钱、留下来的客户、实际运行的测试。一个只会给自己的报告打分的系统，很可能只是自信地错了。
人工闸门与四条基础规则共同决定了系统的边界：哪里必须停，哪里可以自动推进。
四条小规则可以避免系统变成昂贵的事故：
- 每个循环都要设置最多运行几轮。
- 同一个文件只能由一个任务写入。
- 路由逻辑写在明确的步骤里，让 AI 负责填充任务内容。
- 始终限制最多可以生成多少个智能体。
三套可以落地的图工程工作流
下面三套构建都在 Claude Code 中运行，每套都给出可以复制的提示词，并且都把你保留为闸门。在这些提示词里，最关键的一个词是“workflow”：它告诉 Claude 构建一个协同工作的团队，而不是沿着一条直线逐步执行。
图 1：深度研究桌
回想一次真正涉及资金的决定：改价格、推出新报价，或者差点进入某个市场。很多时候，你要么花一周搜索，要么支付一笔昂贵的分析师费用。这套工作流把问题拆成五个角度，让五位研究者同时工作，再让怀疑者攻击每一个发现，只有幸存者才会带着来源进入最终报告。
深度研究桌：五个角度并行研究，经过怀疑者审查后再合并成按置信度排序的报告。
- 在空文件夹中打开 Claude Code。
- 用一句话写出真正的问题，最好是一个背后有实际资金的决定，例如“我应该涨价吗？”或“两个报价中我应该先推出哪一个？”。
- 把下面的提示词连同问题一起粘贴进去。
- 观察五位研究者并行展开，然后等待怀疑者环节。
- 阅读报告，只有经过你的判断后仍然成立的内容，才能进入决策。
提示词：
第一次运行可能只需要几分钟，而不是几天。真正有价值的部分是怀疑者环节：它把研究和单纯收集传闻区分开来。
图 2：SEO 内容机器
对很多企业来说，发布计划要么依赖每月的外包费用，要么已经停摆。这套工作流每次生成一篇具备排名准备度的草稿，但永远不会替你发布。三个研究任务并行：一个研究当前排名靠前的页面覆盖了什么，一个收集人们真正提出的问题，一个寻找所有页面遗漏的部分。
三份研究合并成大纲，系统据此写出完整草稿，再进行事实检查；草稿会留在你的文件夹里，等待你的确认。你要修正只有自己知道的部分，确认后再发布；之后还可以让 Claude 保存这套工作流，使每周的任务从一个下午缩短成一条命令。
SEO 内容机器：并行研究搜索结果、真实问题和内容空白，最后把待审草稿留在人手里。
- 挑选一个客户会在搜索框里输入的主题。
- 粘贴下面的提示词。
- 让三个研究任务同时运行：排名靠前的页面、真实问题和内容缺口。
- 在草稿文件夹中查看完整文章，顶部会列出未经来源支持或需要注意的说法。
- 补上只有你知道的内容，亲自发布；不要让系统自动发布。
提示词：
图 3：上市推广工具包
如果你正在推出产品、报价或服务，传统选项通常是准备几周，或者在没有准备的情况下直接上线。这套工作流把完整工具包放进一次运行里，但每一件东西都要经过你的批准。
三个研究者并行梳理买家、渠道和竞争对手，再合并成一页定位文档。系统会在这里暂停，让你阅读，因为这页定位将成为所有后续资产的基准。确认后，三个写作者并行生成落地页文案、一周的发布内容和一组外联消息；检查者会找出偏离定位的地方，最终工具包停在文件夹里，不会自行上线。
上市推广工具包：先形成定位，再并行生产资产，并逐件确认哪些内容可以发出去。
- 分别用一行写出产品名称和目标人群。
- 粘贴下面的提示词。
- 系统暂停后，先阅读定位页面；这是整套流程中最不应该跳过的一步。
- 让三个写作者并行生成各类资产。
- 查看检查者标出的偏差，逐件批准；没有你的确认，任何内容都不发送。
提示词：
最后的操作手册
- 先处理假边：没有清理掉不产生实际工作的箭头，不要急着新增节点。
- 只拆分那些互相不读取结果的工作；真正需要上下文时，一个智能体按步骤完成即可。
- 没有任何发现可以未经检查就继续向前流动，也不要让两个检查者重复问同一个问题。
- 每个循环都必须有最大轮数。
- 一个文件只交给一个写作者，计划写在明确步骤里，AI 负责填充任务。
- 最后的确认点要放在错误最难撤回、代价最昂贵的地方。
- 除非你能说清楚为什么不够，否则一个工具就足够了。
跳过最后的确认，图就可能把第一个自信的错误直接送到客户面前。今晚就画出你当前的 AI 系统：只画任务和任务之间的箭头，数一数假边，再把它们删掉。这个动作不花钱，却通常比购买任何新工具都能消除更多等待；它就是整门工艺的第一步。
- 作者:yaney
- 链接:https://yaney.top/article/example-45
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
