爆肝整理，Graph Engineering 完整五步教程 👇👇 Loop Engineering 的继任者，把单线循环升级成并行图网络，一个窗口跑 1000+ Agent。 1：核心认知 单循环只能优化一个指标，容易掉进 Goodhart 陷阱。 Graph = 节点（一个Agent干一件事）+ 边（节点之间的数据依赖）。 把"先A再B"改成"A和B能并行就并行"，宽度决定速度。 2：找到真正的边 每次写"然后"时问自己：下一步真的需要上一步的输出吗？ 不需要 → 砍掉等待，直接并行。 你的"顺序执行"脚本，本质上就是个最寒酸的图——链式结构，一卡全卡。 3：上手实战 前置：Claude Code v2.1.154+，Pro/Team/Enterprise 开动态工作流。 粘贴一个prompt："审计 src/routes/ 下所有路由文件的权限校验，每个文件开一个Agent，分别验证，最多20个文件。" Claude 自动生成编排脚本，确认后跑起来。一个命令 → 十几个Agent并行 → 一份汇总报告。 中间结果存在脚本变量里，不污染你的会话上下文。 4：两个最容易翻车的地方： ① 图自说自话：让Agent检查自己的工作，它永远给自己高分。必须用独立节点验证，带独立上下文，检查真实信号（比如测试是否真的跑了）。 ② Agent互相踩脚：两个Agent同时写同一个文件=灾难。每个Agent必须有自己的隔离工作区（git worktree），结果合并策略提前定好。 5：六个可以直接套的图结构 - 安全扫描：每个文件一个Agent + 独立验证节点 - 深度研究：拆成多个角度并行搜索，Agent之间互相反驳再汇总 - 模块迁移：逐个文件迁移，测试做门禁 - 对抗性代码审查：小改动一票过，大改动全并行审计 - 定时生态扫描：存成模板，定时重跑 - 未知规模发现：并行探索，两轮没新东西就停 6：让图保持诚实 图本身不保证真相。必须锚定不可争辩的节点： - 真正跑过的测试（不是"应该能过"） - 基于证据的验证器 - Agent永远不能改的冻结规则 感谢 @0xCodila 的完整教程。

推荐这个工具，Yohei Nakajima 在 GraphCon 上用的 graphcon-deck。 幻灯片变成了图谱过滤器——节点复用，视角切换，整个 presentation 是一个可以探索的图。 Yohei Nakajima（BabyAGI 作者）在 7 月 25 日 GraphCon 上用他自己写的工具做了一场演讲。这个工具叫 graphcon-deck，一个把幻灯片变成图谱过滤器的单 HTML 文件。推文 43 万浏览，537 书签。 核心 idea 传统 slides 是线性的——幻灯片 1 → 2 → 3，每张是一块独立画布。Graphcon-deck 完全不同： 所有节点始终存在于一张大图上。每张"幻灯片"只是一个过滤器。 每个节点有一个或多个 slide number。当你切到某张幻灯片时，携带该编号的节点被拉入视图，不携带的节点被推走。viewport 自动居中到活跃节点的中心。你可以为每张幻灯片定义不同的布局（节点方向 / 关系朝向），"动画"只是让新节点自然进入视野。 同一个节点可以出现在多张幻灯片中——讲一个概念时它在这里，讲到相关概念时它换个位置再出现。整个文件是一个自包含的 HTML，内嵌 JSON 数据。 为什么这不一样 线性 slides 的底层假设是"一次讲一件事，信息不重叠"。但现实中，概念之间是有关系的——A 引出了 B，B 和 C 共享前提，D 推翻了 A。当你只能线性排列时，你被迫重复讲同一个节点，或者靠观众自己记住"刚才那个圆角矩形和第三页那个是同一个东西"。 Graphcon-deck 把 presentation 变成了 graph exploration。每张幻灯片不是"一页新内容"，而是"在当前图上应用一个新的视角"。节点复用的结果是——你不需要重复介绍同一个概念，它一直是同一个节点，只是每次出现在不同的关系网络中。 技术细节 • 纯前端，单个 index.html（约 9000 行内嵌 JS/CSS） • 数据格式是 JSON：{nodes: [{id, label, slides, x, y, ...}], edges: [{from, to, label, slides}]} • 支持编辑模式：拖拽节点位置、调整布局 • 支持导入/导出 JSON（"copy deck JSON" / "load .json file"） • Undo 单张幻灯片的布局修改 • MIT 开源，45 star，4 fork Yohei 最近的探索方向 这不是一个孤立的项目。Yohei 同一天（7/26）发了一条推文："if you are trying to solve long-running agent problems, you will eventually start using immutable event logs"（499 赞），接着在 7/27 发了一篇 X Article "What the Brain Knows About Long-Running Agents"。他在把 graph-based thinking 从 presentation 工具延伸到 agent 架构——event log 作为不可变记录，图谱作为知识的组织方式。 graphcon-deck 是这个思路在 presentation 层面的具象化：图谱不是可视化的附加物，图谱就是内容本身。 Demo： GitHub： #GraphVisualization# #Presentation# #YoheiNakajima#

我现在写程序，其实算不上 vibe coding。我认为现在 harness 们，loop 们，graph 们，也已经越来越不 vibe 了。 粗略估算的话，我觉得我大约不低于 90% 的时间都在重构 ai 的代码。很多设计，在一个阶段是合理的，到下一个阶段如果不重构，就要打一堆补丁，再到下一个阶段，就开始 bug 百出了。 而重构是不可避免的，人类和 AI 都没有可能在开始预见所有的问题。

$FLKR DEV @g_korland Redis 系背景 $3M 融资 市值2m不到 GitHub 万星生态 产品 图数据库 + GraphRAG 又是当前 AI 基础设施赛道热点 有点无敌 C1mg2ddme7Hpwjmxngr1AfrwRSmLqL1CVHPzUmapEory

在大型复杂的项目里，想找个代码函数被谁调了、哪些模块有关联，查起来很费劲。 Code-Graph-RAG 把函数、类、模块和它们之间的关系建成知识图谱，存进图数据库。 在建好图谱之后，还能使用自然语言进行查询和编辑代码。 支持 Python、TypeScript、Rust、Go、Java、C/C++ 等十几种语言，混合语言的项目也能放在同一张图里。 GitHub： 除了问答，还能做死代码检测、按结构模式搜索替换、代码优化建议，改代码前会先显示改动预览。 也支持作为 MCP 服务器运行，Claude Code 、Codex 这类 Agent 工具能直接连上来查询。 经常在大型代码库里找关系、理结构的开发者，这个工具能省不少翻代码的时间。

看完一篇长文档，脑子里大概有个谱，但要把实体之间的关系画成图，手动整理太费劲。 AI Knowledge Graph 能把一段文本自动拆解成知识图谱，用大模型提取实体和关系，生成一张可交互的网状图。 GitHub： 它会自动做实体去重和关系推理，把分散在不同段落里的关联串起来，断开的部分也能补上推断关系。 兼容 Ollama、OpenAI 等各种接口，本地模型也能跑。适合做文献梳理、知识整理的朋友试试。

再复读一遍。 人类看agent是傻逼，天天骂claude code大傻逼，骂codex是纯废物， 当你设计multi agent system的时候，无论loop还是graph还是我提出的goal driven（本质还是loop）和lemma DAG（本质DAG）， 我的哲学是，在任何一个agent眼里，其他agent也都是废物傻逼垃圾，其他所有agent产出的工作， 潜在来看是错的，都是有害的，在没有验证前都不可信。 我前些年讲，coding agent开发必须test driven，用test来定义整个project的边界，用roadmap来定义方向，尽可能把一个task的能力、边界、定义、方法全都定义尽可能干净。 现在我反复讲，multi agent system最有效的方式，恰恰不是让1000个agent包饺子、大团圆、无休止聊闲天，而是互相challenge，预防式合作，预防式管理，预防式review， 先默认其他人都是错的，其他所有任务都需要我先review一遍，先在自己手里写足够多test来验证工作是否完成，再继续进行下一步，否则直接拒绝接手。 记住，你眼里的claude code是大傻逼，那么一个master agent直接spawn出来的几十个subagent在对方眼里也都是大傻逼，因为这个世界本质是由傻逼组成的。 当你接受了这套哲学和逻辑之后，再去寻找你想要解决的问题，让multi agent来解决，一定会提高最终任务的成功概率。 很多人焦虑的一点是，当你让single agent以loop还是multi agent去工作时，你看到一大坨产出，你不知道产出是否完全正确、绝对完整、无懈可击，这种焦虑是巨大的、深渊的、深不可测的。 当你接受了上面这套逻辑和哲学后，你可以认真寻找一些你认为最适合的场景，在这些场景下至少可以做到浪费3~10倍token，来帮你提高50%的结果可靠性——要么老老实实告诉你“完不成，我失败了”，要么说到做到，一定交付一个完美的、无懈可击的结果。

Coca cola 🆒 Seedance 2.0 prompt 👇 【风格】潮流饮料变装广告（Fashion Transition Ad），竖屏9:16，真实摄影（Photorealistic）+ 平面抠像拼贴风（Cutout Collage Graphic），丝滑卡点变装，8K超清，可乐红#E61A27#/纯黑/纯白三色体系 【时长】15秒 【场景】开场为纯白摄影棚背景；第2秒起切换为可乐红纯色背景+画面中央巨大白色曲线可乐瓶形抠像框（经典弧线瓶身剪影），背景压一层深红色"COLA"斜体大字；全程无真实品牌logo 【角色】主角@图片1（保持参考图容貌与发型；开场穿黑色插肩长袖+黑色阔腿短裤；各段变装均为红黑白配色） [00:00-00:02] 镜头1：拧盖卡点（White Studio Open） 纯白背景中景：主角@图片1手持无标识可乐瓶（深棕色汽水+红色瓶标），双臂交叉做两次卡点拧盖动作，第三拍"啵"一声拧开瓶盖，气泡嘶声升起。 音效：两声节拍音、瓶盖"啵"、碳酸气泡嘶嘶声。 [00:02-00:03] 镜头2：一口切世界（Snap Transition） 她仰头喝一口，吞咽瞬间背景"啪"地整体切换：可乐红背景+白色瓶形抠像框罩住全身，深红"COLA"斜体字横贯背景。 音效：吞咽声+重低音"咚"一声定格。 [00:03-00:07] 镜头3：变装1·街头节奏（Transition Pop / Floating Props） 瞬切变装：反戴红色棒球帽、头架白色墨镜、黑色马甲叠穿红色背心、白底黑波点裤袜+黑色短裤、红色厚底鞋，手持可乐瓶。 她在瓶形框内做轻快跳跃舞步：单脚跳、扭胯、举瓶摆拍。 周围漂浮红白配色道具：磁带随身听、拍立得相机、头戴耳机、采样器，白色3D立体字"气泡拉满"分布四角。 音效：卡点节拍+道具飞入的"咻咻"声。 [00:07-00:10] 镜头4：变装2·活力当下（Kick Jump Pose） 瞬切变装：白色棒球帽、白T印红色图案、红黑外套系在腰间、黑色短裤、红色高帮帆布鞋。 她做踢腿跳跃定格姿态，随后落地转身摆胯。 漂浮道具换成：红色帆布鞋、白色鸭舌帽、红白相机、墨镜，3D立体字换为"痛快当夏"。 音效：节拍延续+跳跃落地"砰"。 [00:10-00:13] 镜头5：变装3·夏日漂浮（Floating Summer） 瞬切变装：白色一字肩短上衣、红白条纹短裤、赤足，身体呈漂浮泳姿斜躺在瓶形框中，手持可乐瓶。 周围漂浮：红白条纹泳圈、小黄鸭、红色人字拖、白色网兜包，3D立体字"离开地心引力"。 音效：节拍转轻盈+水泡"咕噜"声。 [00:13-00:15] 镜头6：产品海报收尾（End Card） 瞬切至海报画面：红黑斜切双色背景，中央一瓶无标识可乐瓶特写（深棕汽水、红瓶标、白色"COLA"字样），瓶身挂着细密水珠。 白色斜体大字从两侧弹入："可乐爽人瓶"，下方一行小字"#爽出你的痛快##"。 画面定格，不淡出。 音效：最后一记重音+气泡嘶声收尾。

一个上线不到 5 个月的 AI 编程项目，已经拿到 2.4 万 Star。 code-review-graph 会先在本地给代码库画一张关系图：哪些函数互相调用、改一处会影响哪些文件、相关测试在哪里。 Codex、Claude Code、Cursor 审代码时，只读真正相关的部分。作者拿 6 个开源项目对比整库读取，中位数少约 82 倍上下文。 它主要给开发者用，小改动不一定更省。代码全程留在本地，MIT 开源，几条命令就能跑起来。 使用方式是 先安装 pipx install code-review-graph 然后到项目目录里面执行 code-review-graph install code-review-graph build 这样就会创建这个代码图。 然后最好的话，搭配官方的Skill来使用。