你是不是也整天守在屏幕前，AI Agent 走一步你查一步？
不是因为你想盯着，而是因为除了你，根本没有任何机制在帮它校验！

海外知名系统架构师 Hanako 一篇万字长文在开发者社区彻底炸锅：《Loops and Graphs：如何停止当 Agent 的保姆，只审批最后一步》。

他一针见血指出了行业痛点：
“离开工位当甩手掌柜需要两样东西，但绝大多数人只做了其中一个——循环（Loop）让一个工作单元脱离人类自行变正确，而图（Graph）决定到底哪些工作单元应该存在！”

为什么你的多 Agent 系统又慢又爱胡说八道？核心精髓彻底理清了：

1. 没有“可断言失败的校验”，就根本不算循环：
很多人把工作交给模型，最后让另一个模型来做 Review。作者犀利讽刺：这叫“两个乐观主义者互相点头”，等于没审！真正的循环是“生产、检查、修正、重复直到变绿”，而且必须用确定性代码/程序去断言。记住：“没有报错不等于正确（Absence of an error is not evidence of correctness）”！

2. 循环有天花板：一个优秀的工人在做错的步骤：
单个循环只能打磨一个单元。它根本不知道单元之间的依赖，于是系统按线性顺序串行跑完了五个步骤，每个步骤都完全正确，但整体既慢又错。因为错在任务之间的拓扑结构，调优单步 Prompt 毫无意义。

3. 关键一句话破局：循环活在节点内，图活在节点间：
- 节点内：微观自闭环（生产 -> 确定性检查 -> 修复 -> 绿灯）；
- 节点间：宏观拓扑调度（拆分器 Splitter -> 隔离上下文的 Worker -> 确定性合并代码 Code Node -> 门禁 Gate）。
请特别记住：排序、去重、比对差异根本不是推理，写几行确定性 Python 代码搞定，交给 LLM 纯粹是买单延迟和幻觉！

4. 两条返回回路：修正边 vs 学习边：
- 修正边（短回路）：门禁拒绝单片单元，仅退回对应工人重做，严禁全量重构整批！
- 学习边（长回路）：被接受的成果转化为系统永久约束，反哺给最前端的 Splitter，让下一次运行更聪明。

5. 把人放在哪里？
千万不要让人在中间节点逐步审核！人在图中间，人就是最慢的节点，整个系统只能以人类阅读的速度爬行。
把人类放在不可逆的终审点（Merge 审批与高危资产变更），中间全靠爆炸半径门禁与确定性测试自动放行！

衡量路径，而非仅仅看答案；一个不改变后续执行的结论只是报告；任何未转化为永久约束的失败，你终将再次相遇。

你平时用 AI Coding，是手把手陪跑，还是已经搭建了自动闭环？

程序员 AI编程 大模型落地 软件架构 AI智能体

程序员 AI编程 大模型落地 软件架构