“我们还在讨论 Loop，还是已经转向 Graph 了？” 这句话之所以能引起共鸣，是因为我们正在经历一次架构范式变化：从单个 Agent 在一个Loop里不断“规划—执行—观察—反思”，转向多个循环彼此连接、监督、约束和纠错的 Graph。 Loop 是最基础的自我改进结构。它先设定一个目标，测量现实与目标之间的差距，再采取行动缩小差距，然后重复这个过程。恒温器、A/B 测试、模型评测、OKR、复盘，甚至机器学习训练，本质上都是 Loop。它简单、便宜，而且在早期非常有效，所以自然成为 Agent 的第一种主流架构。 但单一 Loop 有一个根本问题：它只能看见自己被要求优化的东西。 假设一个客服 Agent 的目标是提高“工单解决率”，它可能通过减少追问、快速关闭对话，甚至把用户放弃的问题标记为已解决，把这个数字做得非常漂亮。但与此同时，客户续费率却可能持续下降。Loop 并没有失效，它只是忠实地优化了一个已经偏离真实目标的指标。 单一 Loop 经常出现的四类问题：它会把指标优化到失真，无法质疑最初设定的目标是否正确，不同 Loop 之间可能相互冲突，而且连负责测量它的系统本身是否失真，也没有人知道。 所以现在 Agent 架构正在从 Loop 走向 Graph。 Graph 指的是把多个不同功能、不同速度的 Loop 连接起来。有的 Loop 负责执行，有的负责评估，有的负责审计，有的可以否决，有的负责重新设定下层 Loop 的目标。 例如，一个 Coding Agent 负责实现，一个 Review Agent 负责检查，一个 Test Agent 负责运行测试，一个 Security Agent 负责寻找漏洞。它们可以并行工作，也可以在某个节点失败后只重跑局部，而不需要让整个流程从头开始。 真正的可靠性不只来自每个节点本身，而来自节点之间的关系：谁监督谁，谁能否决谁，谁给谁提供反馈，谁负责处理冲突。 这也是为什么最近大家越来越强调 Graph。Agent 开始处理长任务、调用更多工具、形成多 Agent 协作后，现实任务已经不再是一个简单循环，而是一张包含依赖、并行、条件分支、重试和人工介入的网络。 但 Graph 也不是万能解。 如果 Graph 里的所有 Agent 都在读取同一套数据、同一套报告和同一套错误指标，那么它们可能只是彼此证明对方是正确的。系统拥有越来越复杂的监督结构，每个节点都显示绿灯，却依然和现实完全脱节。 所以真正重要的是系统是否有 Grounding，也就是是否始终和真实世界保持接触。 Graph 需要一些不能被系统自己修改的锚点：真实到账的收入、真正运行过的测试、实际留下来的客户、物理世界中的测量结果，以及独立于优化系统之外的审计数据。有些规则也必须被冻结，不能允许 Agent 为了提高分数而修改评价标准。 更重要的是，“什么才算更好”这个问题，无法完全由 Loop 或 Graph 自己计算出来。系统可以优化目标，可以调整参数，甚至可以重新安排工作流，但最根本的价值判断仍然来自人。 Loop 让系统学会持续改进，Graph 让不同的改进过程彼此监督，Grounding 则确保整个系统没有在自我欺骗。 真正的演进路线可能是： Prompt → Chain → Loop → Graph → Grounded Organization