Hai forse già imparato come far lavorare l'AI in fasi: comprendere il compito, eseguire, controllare e poi correggere.
Questa si chiama Loop Engineering.
Ma di recente, alcuni nel mondo dell'AI hanno iniziato a dire: Il Loop è morto.
Non che il Loop sia inutile.
È che quando i compiti diventano abbastanza complessi, un singolo Loop non basta più.
Hai bisogno di una collaborazione di più Loop.
Questo è il Graph Engineering.
Puoi capirlo così:
Invece di far lavorare un'unica AI in un ciclo, progetti un diagramma di flusso dove più AI gestiscono segmenti diversi e si passano il lavoro in sequenza.
1. Perché Dovresti Capire il Graph Engineering
Nelle prime ore del 18 luglio 2026, Peter Steinberger ha pubblicato un tweet su X:
https://x.com/steipete/status/2078277297791189132
Solo questa frase, nove parole, è stata vista 3 milioni di volte.
Sì, è la stessa persona che poco tempo fa parlava del Loop.
Quattro ore e mezza dopo, l'esperto di valutazione AI Hamel Husain ha pubblicato un lungo articolo con un titolo di sole due frasi:
https://x.com/HamelHusain/status/2078346425621237935
Curiosamente, il termine Loop Engineering è esistito solo per 41 giorni, dalla sua denominazione alla sua dichiarata morte.
Potresti pensare: sono solo gli esperti di AI che inventano nuovi termini.
Ma questa volta è diverso.
Perché il problema è reale: quando il tuo compito AI passa da "scrivere un articolo" a "costruire un prodotto", un solo Loop non basta davvero.
Il Loop Engineering risolve: Come un'unica AI lavora in modo continuo.
Il Graph Engineering risolve: Come un gruppo di AI collabora.
2. Cos'è Esattamente il Graph Engineering?
Graph si riferisce a un diagramma di flusso.
Engineering si riferisce alla sistematizzazione del processo.
Il Graph Engineering consiste nel suddividere un compito complesso in più nodi e definire le relazioni tra di essi usando un diagramma di flusso.
Puoi immaginarlo come una cucina professionale.
Loop è un singolo chef che fa tutto
——Tagliare, saltare in padella, condire, impiattare, controllare ogni passaggio e ricominciare se non è giusto.
Graph è un'intera brigata di cucina
——Ci sono aiuto cuochi, chef alla wok, assistenti e camerieri. Ogni ruolo fa solo una cosa e passa il piatto lungo il processo.
Un Graph è composto da tre cose:
Nodi—Un'unità di lavoro. Può essere un'AI, una chiamata a uno strumento o persino un'approvazione umana.
Archi—Decidono cosa eseguire dopo. Possono essere sequenziali, paralleli o seguire rami diversi in base al risultato del passo precedente.
Stato—Informazioni che fluiscono tra i nodi. Ogni nodo legge da esso e vi scrive.
Sembra astratto? Vediamo un esempio concreto.
Se vuoi che un'AI scriva un articolo approfondito, l'approccio Graph è questo:
- Primo nodo: Ricerca—Cerca materiali, organizza i punti chiave.
- Secondo nodo: Scrittura—Scrive il corpo dell'articolo basandosi sui risultati della ricerca.
- Terzo nodo: Revisione—Controlla la qualità; se non passa, lo rimanda indietro.
Tre nodi, due archi e uno stato condiviso. Questo è il Graph più piccolo.
Loop è una persona che gira in tondo; Graph è un gruppo di persone in una staffetta.
3. Perché il Loop Non Basta Più
Non tutti i compiti necessitano di un Graph.
Se vuoi solo che l'AI traduca una frase, scriva 10 titoli o spieghi un concetto, un Loop è sufficiente.
Ma quando un compito presenta queste tre situazioni, il Loop inizia a fallire.
1. Necessità di Ruoli Diversi
Ad esempio, produrre un episodio di un podcast.
Il ricercatore, lo sceneggiatore, il montatore e il designer della copertina: questi ruoli usano prompt diversi, hanno focus diversi e potrebbero persino aver bisogno di modelli diversi.
Infilarli tutti in un unico Loop causa confusione di ruolo per l'AI. Si confonde tra ricercare, scrivere e controllare.
2. Necessità di Ramificazione Condizionale
Ad esempio, scrivere codice.
Se il test passa, passa al passo successivo; se fallisce, torna indietro per sistemarlo. A volte sistemare una parte ne influenza altre, richiedendo una nuova valutazione.
Questa logica "se A allora B, se C allora D" è scomoda da scrivere in un Loop. In un Graph, è solo un arco condizionale.
3. Necessità di Parallelismo
Ad esempio, condurre una ricerca di settore.
Devi cercare informazioni in 5 direzioni contemporaneamente e poi riassumere.
I Loop sono seriali: una cosa alla volta. I Graph permettono a 5 nodi di funzionare contemporaneamente e poi aggregare.
Il criterio è semplice: quando un compito non può essere risolto dopo tre cicli di un Loop, è il momento di considerare un Graph.
4. Qual è la Relazione tra Loop e Graph?
Questa è la frase più importante dell'articolo:
Un Loop è in realtà un caso particolare di un Graph.
Cosa significa?
Il ciclo che hai scritto prima:
L'AI pensa → esegue → controlla → ripete se non qualificato
Rappresentato come un graph, è un nodo con un arco che punta a se stesso.
1[Lavoro AI]2 ↑ ↓3 └────┘ (Arco di auto-ricorsione)
Quindi il Loop non è morto. Il Loop è solo diventato una struttura di base all'interno di un Graph.
Il Graph Engineering non sostituisce il Loop, ma:
- Collega i singoli Loop tra loro.
- Gestisce il coordinamento tra di essi.
Puoi capirlo in questo modo:
- Loop risolve "come funziona una singola AI."
- Graph risolve "come collabora un gruppo di AI."
È come passare da "contributore individuale" a "gestione del team."
5. Quello che è Davvero Cambiato Non è il Graph, ma i Nodi
Potresti dire: diagrammi di flusso, macchine a stati, pianificazione dei compiti—non sono concetti vecchi di decenni nell'informatica?
Corretto.
Airflow disegna graph di compiti da dieci anni. L'articolo del 2024 di Anthropic "Building Effective Agents" illustrava già tutti questi schemi.
Allora perché tutto questo hype ora?
Perché ciò che è veramente cambiato non è la struttura del graph, ma i nodi al suo interno.
In passato, i nodi erano macchine. Scrivevi regole e loro le seguivano. Input e output erano completamente deterministici.
Ora, i nodi sono AI. Dai loro un compito, e loro capiscono, giudicano ed eseguono autonomamente. Se capiscono correttamente, bene; se deviano, tutti i nodi successivi deviano con loro.
Questo cambiamento porta tre problemi completamente nuovi:
- Degrado dello stato—Se un'AI commette un errore, quelle a valle lo seguono.
- Deriva del routing—Lo stesso compito potrebbe prendere due percorsi diversi in due esecuzioni.
- Fallimento della validazione—AI che revisionano AI, annuendo a vicenda.
Questo è ciò di cui discute realmente il Graph Engineering. Non si tratta di come disegnare un diagramma, ma di come gestire un gruppo di nodi che possono pensare da soli.
6. I 4 Moduli Principali del Graph Engineering
1. Modulo Nodo: Perché esiste ogni nodo?
L'errore più comune è suddividere un compito semplice in un mucchio di nodi. Per "riassumere un PDF", crei cinque nodi: recupera, suddividi, riassumi, revisiona, formatta. Il risultato sono solo token sprecati senza una reale sinergia.
Un nodo merita il suo posto solo se rappresenta una vera specialità:
- Un modello diverso (usare GPT-5 per la ricerca, Claude per la revisione).
- Un set di strumenti diverso (uno può cercare sul web, uno può eseguire codice).
- Un ruolo veramente diverso (un revisore in sola lettura).
Test: Se due nodi possono essere fusi in uno senza perdere nulla, non avrebbero mai dovuto essere separati.
2. Modulo Stato: Come fluiscono le informazioni tra i nodi
In un Loop, il fallimento si chiama "degrado del contesto." In un Graph, la stessa malattia si sposta nello stato condiviso. Un errore del secondo nodo diventa input per il quinto.
Pratiche ingegneristiche:
- Definisci una struttura dati chiara per lo stato: non mescolare stringhe dove dovrebbero esserci liste.
- Stabilisci che ogni nodo può scrivere solo nei campi di sua responsabilità.
- Imposta punti di controllo tra i nodi: così puoi riprodurre un'esecuzione per vedere dove è andata storta.
3. Modulo Routing: Quale percorso prendere dopo
Ogni arco è una decisione. La domanda è: chi la prende. Lasciare che l'AI decida il percorso porta flessibilità ma anche instabilità.
Principio: Codifica in modo rigido dove le condizioni sono chiare (se/altrimenti), e lascia decidere all'AI solo dove è veramente necessaria un'interpretazione.
4. Modulo Revisione: Impedire all'AI di annuire passivamente
Più AI della stessa fonte, che leggono lo stesso contesto problematico, saranno felicemente d'accordo tra loro.
Come rompere questo schema:
- Usa un modello di base diverso per il nodo di revisione.
- Dagli un contesto fresco—non l'intera cronologia del dialogo—per forzare un pensiero indipendente.
- Ancora le conclusioni a prove esterne (come codice che effettivamente compila).
7. 3 Template Graph che i Principianti Possono Copiare
1. Graph per Scrivere un Articolo
- Nodo 1: Ricerca (Cerca, organizza 5 punti).
- Nodo 2: Scrittura (Bozza basata sulla ricerca).
- Nodo 3: Revisione (Controlla esempi, riempitivi e CTA). Torna al Nodo 2 se fallisce.
2. Graph per la Programmazione
- Nodo 1: Comprensione (Leggi la struttura, trova i file).
- Nodo 2: Esecuzione (Modifica il codice).
- Nodo 3: Test (Esegui i test, leggi gli errori).
- Nodo 4: Correzione (Nodo condizionale basato sugli errori, torna al Nodo 3).
3. Graph per la Ricerca
- Nodi 1-5: Ricerca Parallela (Dimensione del mercato, attori, punti critici, tendenze, lacune).
- Nodo 6: Aggregazione (Unisci, deduplica).
- Nodo 7: Verifica dei Fatti (Controlla le fonti dei dati).
8. Percorso di Apprendimento dal Principiante all'Avanzato
Fase 1: Padroneggia un singolo Loop (1-3 giorni). Assicurati di avere condizioni di arresto e validazione.
Fase 2: Disegna su carta (3-7 giorni). Obbliga ogni nodo a giustificare la propria esistenza.
Fase 3: Definisci la struttura dello Stato (7-14 giorni). Decidi cosa ogni nodo legge e scrive prima di eseguire.
Fase 4: Combina più Graph (14-30 giorni). Suddividi un compito enorme in una sequenza di piccoli Graph.
9. 5 Errori Comuni per i Principianti
- Creare un Graph per il gusto di farlo: Non usare un Graph se un Loop funziona.
- Stato non definito: Porta a crash di tipo di dato tra i nodi.
- Routing basato solo sull'AI: Rende il debug impossibile a causa di percorsi non deterministici.
- Revisione con lo stesso modello: I revisori diventano timbri di gomma.
- Nessun limite di budget: I nodi paralleli possono bruciare token velocemente. Imposta limiti di ripetizione.
10. Esercitazione Pratica che Puoi Iniziare Oggi
Non imparare solo la teoria. Scegli un compito reale (scrivere un articolo, fare ricerche sulla concorrenza, sviluppare una funzionalità) e disegna un diagramma su carta:
- Scrivi il nome del compito.
- Disegna i nodi (Cosa fare, quale modello/strumento).
- Disegna gli archi (Flusso e logica di ripetizione).
- Definisci lo stato (Quali informazioni fluiscono).
- Definisci le condizioni di arresto.
Il cuore del Graph Engineering è: Passare da "Spero che l'AI lo capisca" a "Sto dicendo a un gruppo di AI come suddividersi il lavoro, passarsi le consegne e finire."
