不久前，一位名叫Peter Steinberger的开发者发帖问：“我们还在谈Loop，还是已经转向Graph了？”这条帖子吸引了超过300万次浏览。仅仅六周前，正是他让Loop Engineering走红。现在，Loop似乎已经过时，Graph成了新的热门话题。
其实，Loop并没有真正过时。变化在于，AI编程从单个任务发展到连续执行，又从单个AI助手变成多个AI协作。工程师需要解决的问题不再是“如何让它继续”，而是“这些工作如何连接”。Graph就是一个任务编排系统，它管理多个工作单元之间的连接、共享状态和路径选择。一个Graph通常包含节点、边、共享状态和路由规则。新变化不是发明了Graph，而是今天的节点可以放入能理解目标、使用工具并自行循环的AI助手。
早在2024年，就有两个研究项目实践了类似想法。ChatDev把软件开发组织成由不同角色组成的“软件公司”；MetaGPT则将标准流程写入多AI协作框架。它们当时不叫Graph Engineering，但已经在做角色分工、阶段交接和共享成果。
AI编程经历了五个阶段：第一阶段是Prompt，凭记忆回答；第二阶段是Context，引入项目背景；第三阶段是Harness，给AI工具；第四阶段是Loop，让AI自我纠错；第五阶段是Graph，多个AI组队协作。目前主流AI编程工具已经在使用Graph，比如OpenAI Codex、Claude Code、Cursor等，它们能拆分子任务、并行执行。
2026年7月，一项发表在《自然·机器智能》上的研究覆盖了260种配置，结果并不支持“AI越多越好”。在可拆分的金融任务中，多AI最高提升80.8%；但在顺序依赖很强的规划任务中，效率最高下降70%。关键变量不是复杂度，而是任务能否被有效拆分，以及协调成本是否超过任务本身。
Graph Engineering并没有宣判Loop过时。相反，Graph的每个节点都可能运行自己的Loop。新的工程问题是：哪些Loop应该存在，它们如何交接，谁能修改共享状态，失败后回到哪里，以及什么时候必须停止。