面向智能体的图工程：显式流程、记忆与治理

Neo4j 的 Zachary Blumenfeld 将图工程定义为把智能体工作设计成显式的图：节点执行工作，边在节点之间传递状态。他说，这个名字很新，但状态机、工作流图和知识图谱等概念并不新。

他区分执行图、上下文图和流程图。执行图协调运行时工作；上下文图把决策和轨迹连接到领域数据；流程图则表达可重复流程中的步骤、路由、验证和升级。

Blumenfeld 认为，显式图可以让行为更可预测、更容易治理和审计。将图作为产物与数据一起保存，也可能让它在不同运行环境之间移植，而不只存在于某个编排框架中。

他描述了处于记录系统和智能体之间的知识层。Neo4j 的方法在这一层连接源数据、文档和记忆，并通过协议和产物让不同运行环境使用流程。

上下文图可以连接短期对话历史、长期实体和决策轨迹。Neo4j 研究人员提出的问题是，能否把书面技能及其脚本、参考资料中的流程知识，编译为包含决策、路由和可执行步骤的图。

Blumenfeld 说，早期研究发现，让智能体遵循编译后的图可以提高任务得分，使用较小模型时也是如此。他指出，这些结果来自较早的实验，团队正在针对更新的模型进行更新。

团队还探索从记忆中提炼技能，并将其连接到历史决策轨迹。他说，这可以保留来源、版本历史和治理信息，让人检查或修改流程，并追踪决策从何而来。

他举了跨多个数据源编写合规报告，以及按地理区域处理配置规则的例子。在这两种情况下，拟议的图都将数据与解释数据所需的逻辑相连。他指出，客户使用的实现可能不同于实验室项目。

演示围绕一家虚构面包店的贷款决策展开。智能体结合商业计划、历史交易、贷款政策和以往决策。Blumenfeld 强调，这只是演示，不是正式研究结果。

图连接这些来源，并记录智能体的推理和工具调用。但重复运行可能走不同路径；关于批准、拒绝或升级的置信度说法也未必经过校准。

团队将成功运行的信息和政策文档编译成 YAML 表示的图结构技能，并附上脚本和支持材料。目标是同时获得可追溯性和可移植的流程执行描述。

一个命令行封装让智能体运行编译后的流程。系统通过程序处理大部分政策和路由，而不是让模型决定每一个路由步骤。

演示流程先检查硬性政策规则。不能自动决定的案例可以交给决策模型，随后进入报告撰写或人工升级；报告完成前还会接受检查。

单次运行及其各个步骤可以保存在图中。检查工具能够显示状态、决策和经过的分支，帮助审查者了解发生了什么，以及流程的哪些部分被执行过。

在这个小规模演示中，Blumenfeld 说，加入流程缩短了运行时间，搭配较小模型后进一步缩短。展示的表格显示，同一模型加入流程前后的成本并不相同；显著降低成本的是搭配较小模型的组合。

他强调这个例子只运行了少数几次，并引导观众查看代码和资料。更广泛的提议是让流程逻辑显式、可检查，同时能够在不同智能体环境中复用。