恭喜，大家又多了一个新工种：agent 审计员。 AgentFlow 这篇论文最有意思的地方，不是又发明了一个工作流框架，而是把 agent 程序当成一条新的软件供应链来画图。 以前审代码，主要看函数 A 调了函数 B。 现在要看的路径更麻烦： 用户输入进了哪个提示词； 提示词会影响哪个 agent； agent 能交接给谁； 共享记忆会不会把脏上下文带过去； 最后哪个工具能写文件、发邮件、跑命令。 这就是它说的 Agent Dependency Graph。 我最近越来越能理解这件事。多开 Codex、Claude、Cursor 本身没意义，真正要管的是每个 worker 的权限边界和写回路径： 能读什么； 能写什么； 能调用什么； 碰到发布、部署、钱包、生产环境时，门禁在哪里； 干完以后证据写回哪里。 不然所谓多 agent 工作流，很快就会变成一堆看起来很忙、但没人知道谁碰过什么的对话窗口。 论文：AgentFlow: Building Agent Dependency Graphs for Static Analysis of Agent Programs

graph engineer vs loop engineer : 不是替代，是嵌套。Loop 是最小的 Graph（单节点自环）；Graph 里每个干活的节点内部仍在跑自己的 Loop。"Loop Engineering is dead" 是 Hame‍l Husain 的反讽炒作。完整递进链：Prompt → Context → Harness → Loop → Graph，每层向外包一层。 多 Agent 不是必然更好。《Nature Machine Intelligence》2026 年研究（260 种配置）：可拆分的金融任务多 Agent 最高 +80.8%；强顺序依赖任务最高 −70%；SWE-bench Verified 上四类多 Agent 架构全部 −1.3%~−12.8%。决定变量是任务可拆分性，不是复杂度。 选型规则（社区共识版）：一个 Agent + 工具 = Loop；多个 Agent + 交接 = Graph。当你在 Loop 里硬塞并行、独立评审、人工审批门时，就是该升级到 Graph 的信号。

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#

我最喜欢的咖啡是泰国的 First Officer Coffee Roasters 和 Graph，去清迈，行李箱里一定要留出位置给两包咖啡豆 平常喝的咖啡☕️，产地基本是哥伦比亚、哥斯达黎加、埃塞俄比亚。这些产区很成熟，你不能说难喝，但就是那种可以预期的味道。 在清迈买的豆子，很多产自清莱。还没喝先感受到香气，清新、清幽，和一点山间的果香，有层次、不浓，如果你喜欢小众护肤品、茶叶、大概率也会和我一样喜欢这里的咖啡豆。 每一家烘焙店的做法不同，有的偏焦糖和奶油的圆润甜感，一些带着柑橘的明亮酸质，有的是厚实的巧克力味。同样是泰北的豆子，换一家店就像换了一种性格。 泰北的咖啡豆非常适合加牛奶。用它做意式浓缩，再兑上牛奶做成拿铁，果香和奶香融在一起。 清莱、清迈一带山地海拔高，昼夜温差大，雾气充足，适合阿拉比卡咖啡生长。以前这片“金三角”山区曾经以罂粟闻名，后来泰国皇室推动替代种植计划，鼓励山民改种咖啡和茶叶，慢慢有了今天像 Doi Chang、Doi Tung 这样小有名气的咖啡山头。 看看清迈的咖啡馆就知道这里的咖啡文化有多浓。 古城里、宁曼路上、稻田边、山脚下，几乎走几步就有一家，而且每家都有自己的风格：有木结构配落地玻璃、窗外一片绿意的，也有把咖啡当成艺术品来做的精品小店。这么高的密度，不只是做游客生意，本地人自己也离不开咖啡。 泰国本土连锁 Café Amazon 遍布全国，是泰国版的星巴克 ，加油站里都有。 在泰国待久了，会发现这里的消费文化很有意思。牛排馆、汉堡店、米其林推荐餐厅，很多都是“改良式”的，底子是西式的，又融合了泰国本地的食材和口味，迎合欧美旅居者和各地游客。早餐店里有西式炒蛋、全麦吐司、拿铁拉花，旁边配的是火龙果和泰国柑橘。 最近五年新建的度假村也是这样，设计语言国际化，细节里又是兰纳式的木构和自然元素。清迈像一座不断为“世界口味”调整自己的城市，始终没丢掉自己的底色。 咖啡，大概是这种气质最好的缩影。 种在泰北的山上，用的是来自西方的意式做法，喝起来有一种只属于这里的清新果香

🌳 又挖到一个能让 AI 真看懂整个代码库的开源项目 Code-Graph-RAG，整个仓库被解析成一张知识图谱，拿人话问就能查。 GitHub 上 5100 多 star、691 个 fork，397 个 issue 开着，版本几天一发，9 月 29 号刚到 v0.1.38。 在大点的 monorepo 里跟 AI 协作，最常见的翻车是这一句：改这个函数会影响到谁？它去 grep 一圈，把同名的、注释里的、测试里的混在一起端上来，漏掉的那个真正的调用方恰好在另一个包。原因很简单，代码的结构是图，文本搜索看不见边。 Code-Graph-RAG 先用 tree-sitter 把代码解析一遍，有编译器级前端就再上一层，C/C++ 用 libclang、Go 用 go/types，Java、C#、Python# 还能可选挂上 javac、Roslyn 和 Jedi；函数、类、方法、模块和它们之间的关系被存进 Memgraph，成了一张语言无关的图。你问一句话，它翻成 Cypher 去图上走，谁调用了它就是一次遍历，而不是一次猜。顺着图下来的能力也都实在：找死代码、基于 AST 改代码并先给你看 diff、用 ast-grep 做结构化搜索和重写，cgr trace 还能把运行时的调用链并进这张图。 它能当 MCP 服务器跑，Claude Code 这类客户端可以直接连上来查和改。完全支持的语言有十三种，Python、TypeScript、Rust、Go、Java、C、C++、C#、PHP、Lua、Dart# 都在里面。 让 AI 看代码的方式，从翻书变成了查地图。 GitHub：

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