什么是 图编排（Graph Orchestration）？
图编排（Graph Orchestration）是一种把 AI 应用逻辑表示为节点和边的控制流模式，支持分支、循环、并行路径、重试、状态转换和显式执行结构。
工作原理
当线性链无法表达 AI 系统真实行为时，图编排更合适。节点可以表示模型调用、检索器、工具、校验器、人工审批步骤、记忆更新或自定义代码。边定义允许的转换，分支函数或状态条件在运行时选择下一个节点。图让 Agent 行为更可检查：团队可以推理存在哪些路径、哪里可能循环、哪里处理失败，以及应在哪里插入安全关卡。
主要特点
- 节点与边模型：把执行描述为显式组件和转换关系
- 动态控制流：支持分支、循环、重试、并行路径和条件路由
- 状态感知执行：可以在节点之间携带共享状态，并用状态选择下一步
- 可检查性：让可能路径、失败点和审批边界更容易审查
- 需要校验：应检查不可达节点、非预期循环、类型不匹配和缺失错误路径
常见用途
- 构建包含观察、决策、行动和验证循环的工具型 Agent
- 为 RAG 管线增加降级检索和答案校验
- 在多 Agent 系统中把请求路由给专家 Agent
- 在高影响动作前插入人工审批节点
- 当评估器拒绝答案时进行重试或升级
示例
loading...
Loading code...常见问题
为什么 AI Agent 需要图编排？
Agent 经常需要分支、重试、调用工具、校验结果，并在特定条件下停止。图可以让这些转换显式化，而不是隐藏在提示词或分散的条件语句中。
图编排总是比链式编排好吗？
不是。图编排表达力更强，但复杂度也更高。如果流程确实线性，链更容易维护。只有当分支、循环或基于状态的路由是真实需求时才应使用图。
Agent 图应该校验什么？
团队应校验输入输出类型、可达节点、终止条件、重试上限、错误路径、审批关卡，以及循环是否可能变成无限循环。
图编排如何改善可观测性？
每个节点和边都可以产生追踪、耗时、输入、输出和错误信息。这使团队更容易重建 Agent 轨迹，并定位运行从哪一步开始变得错误或不安全。