Graph Engineering
把单一 LLM 调用拆分为多个专业化节点（搜索/分类/验证/合成），通过 fan-out、barrier、reduce、router、verifier 等模式控制信息流动的工程范式。2026-08 由三源共同锚定：Karpathy 的理论框架（研究笔记 PDF）、Claude Code 应用版（完全指南）、团队工程版（Harness 让规则落地）。
核心论断
每种架构外化不同瓶颈（Karpathy）：
- loop 外化迭代与评估
- chain 外化任务顺序
- swarm 外化并行搜索与角色专门化
- DAG 外化实验谱系
- 知识图谱外化共享事实/溯源/跨会话记忆
最深刻洞察：瓶颈往往不是下一个模型调用，而是记忆与评估的放置位置。
三步演进（Karpathy）
Vibe coding（人表达意图模型写）→ Agentic engineering（人指定/编排/验证/对质量负责）→ Graph engineering（agent 通过类型化可查询的工作与知识图共享持久状态）。
钻石图形状（Claude Code 应用版）
扇出（独立工作）→屏障（决策点，检查运行状态/部分失败可见）→归约（准备证据，去重同时保留可追溯性 sourceFindingIds）→综合。
工程原则
- Graph 工程从账单开始：控制计算发生位置、每决策由哪个模型处理、不确定发现如何移动；二十个智能体并行会得重叠报告+大账单。
- 节点原则：一个节点做一次决策；一条边携带结构化证据（JSON schema 带 file/lines/dependency/confidence/evidence）；有些节点是普通代码（合并/去空/去重/排序用确定性 JS，不浪费 token）。
- 独立验证：审查者任务不是改进原答案而是搜索它可能不完整或错误的原因；可要求达成一致（
votes.filter(approve).length >= 2）。 - 模型分层：提取/基本分类/窄搜索用快层级，架构审查/对抗验证/最终综合用强模型。
- Git worktree 隔离并行编码；收敛循环对已看过的项去重（含被拒绝的），dryRounds<2 停止。
图四不变量（Karpathy 知识图谱）
①每 claim 有 source 或标 inference；②每 artifact 有 authoring run 和 version；③每 evaluation 识别 rubric；④每 superseded 对象保持可寻址。
Anthropic 工作流模式映射
2024 五模式（Prompt Chaining/Routing/Parallelization/Orchestrator-Workers/Evaluator-Optimizer）→ 2026 Dynamic Workflows（Claude 写 JS 编排程序，最多 16 并发子 agent，硬上限 1000/workflow；Bun runtime port 案例：约 75 万行 Zig→Rust 用 11 天，99.8% 测试通过）。
关联与张力
- 与 OpenMontage 的”无编排器”模式（源）形成对照——Graph 工程用显式 fan-out/barrier/reduce，OpenMontage 用隐式 agent 自主调度。
- 与 Harness Engineering 互补——Graph 工程是分布式编排侧，Harness 工程是流程约束/门禁侧。
⚠️ autoresearch 的小 harness 之所以有效是因为仓库和指标有界，不证明 agent 能安全自修改生产前沿训练系统；知识图谱不把 claim 转为 truth（只保留 claim/source/relationship 供检视），且反映其语料（偏见语料产偏见图）。
补充：codila 五步课（2026-07-21，使用者视角）[2026-08-06]
来源：codila Graph Engineering 五步课（X Article，250 万阅读；与 Karpathy PDF 互补——PDF 给理论框架，本篇给实操课程与失败模式）。
- Goodhart 动机：单 loop 只盯自身指标（ticket resolution rate 上升而满意度下降）；答案不是更好的 loop，而是”a graph of loops——循环互相监视和纠正”。
- 边的识别法：对每个”and then”问——下一步真的读上一步输出吗？读→真边保序；不读→并行跑。
- Dynamic Workflows 实操：需 Claude Code v2.1.154+；单 workflow 上限 1000 agents / 16 并发（Bun 的峰值 64 agents = 约 50 个 workflows 并行，与 16 并发上限可调和）；“零 token”应理解为”省的是协调，不是工作量”。
- 两种失败模式：① 图自我一致（verifier 必须拿干净上下文，查”测试真的过了没”而非”agent 说完成了没”）；② agent 互相踩踏（独立 worktree + 禁用不安全命令）。扇出三问：每个 agent 在哪干活？结果怎么合并？意见冲突怎么办？
- 锚点三件套：真跑过的测试、基于证据的 verifier、agent 无权调整的冻结规则——“图只与其中拒绝移动的部分一样诚实”。四类任务别画图：任务小/需逐步审批/探索期/步骤真串行。
⚠️ 矛盾 [2026-08-06] Bun 移植 Zig 行数两源不一致：codila 文称约 53.5 万行 Zig → 100 万+ 行 Rust；本页与 Karpathy PDF 记录约 75 万行。待以 Simon Willison 原帖（2026-07-08）核对。
补充：Codez 14 步实操手册（Datawhale 整理）[2026-08-10]
来源：Graph Engineering 实操手册：Codez 14 步（Datawhale 整理，原作者 Codez，X 博主全网 570w 人看过）。本主题第 5 个源，补上颗粒度最细的代码级操作手册：从”动手前四问”经四核心构件（Nodes/Edges/Shared State/Failure Routing）走完 14 步——分清节点和边 → 定契约 → 扇出/扇入/菱形拓扑 → 路由/验证/隔离 → 循环收敛/模型分层/拓扑选择 → 最后让 Claude 自己画图（Dynamic Workflows）。
- 动手前四问 + 附加题：① 任务真能拆出清晰角色吗；② 有真正可并行的子任务吗；③ 单个 agent 上下文装得下全部背景吗（装得下就别拆——拆分是为了腾上下文不是为好看）；④ 失败后负担得起跳转分支的成本吗。附加题比四问都重要：你已经有一个跑得稳的单体 loop 了吗？没有先别建图——“图是循环的组织方式，不是循环的替代品”。
- 契约化节点：节点 = 输入有边界、输出有边界、只干一件事；workflow 里靠 JSON schema 在工具调用层强制执行（agent() 配 schema，subagent 只能返回校验过的结构化数据，格式不对 Claude 自己重试）。“边也当数据契约”：按数据命名而非按顺序命名，边活在普通 JavaScript 里（压平/去重/过滤）——“很多人花模型 token 做的事，其实就是一条边，而边是免费的”。
- 屏障经济学：主力形状”派发 → 归约 → 合成”（fan-out → reduce → synthesize）；parallel() 是一道屏障（抛错函数解析成 null 而非拖垮批次，记得 .filter(Boolean)，并发按核数封顶），归约层零 token。默认用 pipeline()（条目各自独立过各阶段，快的不用等慢的），只有真需要全集同时到齐（跨集合去重、按总数提前退出）才用 parallel()——“代码更干净""阶段感觉是分开的”都不是用屏障的理由。
- 收敛循环的独有陷阱：必须”跑到干为止”（连续 K 轮无新发现才停），最易踩的坑是拿”已确认结果”而非”见过的一切”去重——被否掉的发现会每轮重新冒出来，变成”专门花钱反复发现同一批死胡同的机器”。
- 模型分层覆盖：重复性节点（抽字段、工单分类）降到便宜模型，判断力节点（合成、裁定）留高档位——agent() 的 model 选项单点覆盖，不动图的形状就能把账单从贵变便宜。
与 codila 五步课的对照：两篇高度互文、同一论点的两种表述——都警告别把”然后”当边、线性链是退化的图、verifier 要对抗式、worktree 隔离、按 s 保存 workflow。本篇（14 步）独有增量：pipeline() vs parallel() 屏障经济学、模型分层单点覆盖、“对见过的一切去重”陷阱、JSON schema 契约强制；codila 课更偏范式布道与失败模式清单。两篇的门槛判断可合并为”何时不要建图”清单（loop 未跑稳的个人开发者、线性依赖拆不开的任务、瓶颈在协调开销而非单节点能力的团队）。
作为 Loops 的加速器象限：“两年来多 agent 协作的杠杆一直在单个 loop 上（更好的 verifier、更稳的退出条件、更干净的状态文件），而现在，把这些 loop 怎么连起来，成了新的护城河”——Graph 是跑稳 loop 之后的加速器，不是 loop 的替代品。参见 Loop Engineering 2026。