Возможно, вы уже знаете, как заставить ИИ работать пошагово: понять задачу, выполнить, проверить, а затем исправить.
Это называется Loop Engineering.
Но недавно в кругах ИИ заговорили: Loop мертв.
Дело не в том, что Loop бесполезен.
А в том, что когда задачи становятся достаточно сложными, один Loop уже не справляется.
Нужна коллаборация нескольких Loop.
Это Graph Engineering.
Можно понимать это так:
Вместо того чтобы заставлять один ИИ работать циклически, вы проектируете блок-схему задачи, где несколько ИИ управляют разными сегментами и передают работу по очереди.
1. Почему нужно разобраться в Graph Engineering
Ранним утром 18 июля 2026 года Питер Штайнбергер опубликовал твит на X:
https://x.com/steipete/status/2078277297791189132
Всего одно предложение, девять слов, набрало 3 миллиона просмотров.
Да, это тот самый человек, который ещё недавно говорил о Loop.
Четыре с половиной часа спустя эксперт по оценке ИИ Хамель Хусейн опубликовал длинную статью с заголовком из двух предложений:
https://x.com/HamelHusain/status/2078346425621237935
Интересно, что термин Loop Engineering просуществовал всего 41 день с момента названия до объявления его смерти.
Вы можете подумать: это просто ИИ-сообщество снова придумывает новые термины.
Но в этот раз всё иначе.
Потому что проблема реальна — когда ваша задача для ИИ меняется с «написать статью» на «создать продукт», одного Loop действительно недостаточно.
Loop Engineering решает: как один ИИ работает непрерывно.
Graph Engineering решает: как группа ИИ сотрудничает.
2. Что такое Graph Engineering на самом деле?
Graph — это блок-схема.
Engineering — это систематизация процесса.
Graph Engineering — это разбиение сложной задачи на несколько узлов и определение связей между ними с помощью блок-схемы.
Можно представить это как профессиональную кухню.
Loop — это один повар, делающий всё
——Нарезает, жарит, приправляет, сервирует, проверяет каждый шаг и начинает заново, если что-то не так.
Graph — это целая команда кухни
——Есть помощники, повара у вока, ассистенты и официанты. Каждая позиция делает только одно и передаёт блюдо по процессу.
Graph состоит из трёх вещей:
Узлы (Nodes) — единица работы. Это может быть ИИ, вызов инструмента или даже одобрение человека.
Рёбра (Edges) — определяют, что запускать следующим. Могут быть последовательными, параллельными или следовать разным ветвям в зависимости от результата предыдущего шага.
Состояние (State) — информация, передаваемая между узлами. Каждый узел читает из него и записывает в него.
Звучит абстрактно? Давайте посмотрим на конкретный пример.
Если вы хотите, чтобы ИИ написал глубокую аналитическую статью, подход Graph выглядит так:
- Первый узел: Исследование — поиск материалов, организация ключевых моментов.
- Второй узел: Написание — написание текста на основе результатов исследования.
- Третий узел: Проверка — контроль качества; если не проходит, отправляется обратно.
Три узла, два ребра и одно общее состояние. Это минимальный Graph.
Loop — это один человек, который крутится на месте; Graph — это группа людей в эстафете.
3. Почему Loop больше не достаточно
Не все задачи требуют Graph.
Если вы просто хотите, чтобы ИИ перевёл предложение, написал 10 заголовков или объяснил концепцию — Loop достаточно.
Но когда задача демонстрирует одну из трёх ситуаций, Loop начинает давать сбои.
1. Необходимость в разных ролях
Например, создание подкаста.
Исследователь, сценарист, редактор и дизайнер обложки — эти роли используют разные промпты, имеют разные фокусы и могут даже требовать разные модели.
Запихивание их всех в один Loop вызывает путаницу ролей у ИИ. Он мешается между исследованием, написанием и проверкой.
2. Необходимость в условных ветвлениях
Например, написание кода.
Если тест проходит — переходи к следующему шагу; если нет — возвращайся к исправлению. Иногда исправление одной части влияет на другие, что требует повторной оценки.
Такую логику «если A, то B; если C, то D» неудобно писать в Loop. В Graph это просто условное ребро.
3. Необходимость в параллелизме
Например, проведение отраслевого исследования.
Нужно одновременно искать информацию по 5 направлениям, а затем обобщать.
Loops последовательны — одно за другим. Graphs позволяют запустить 5 узлов одновременно, а затем агрегировать.
Критерий прост: когда задача не решается после трёх циклов Loop, пора подумать о Graph.
4. Как соотносятся Loop и Graph?
Это самое важное предложение в статье:
Loop — это на самом деле частный случай Graph.
Что это значит?
Цикл, который вы писали раньше:
ИИ думает → выполняет → проверяет → повторяет, если некачественно
В виде графа это один узел с ребром, указывающим обратно на себя.
1[Работа ИИ]2 ↑ ↓3 └────┘ (Ребро-петля)
Так что Loop не умер. Loop просто стал базовой структурой внутри Graph.
Graph Engineering не заменяет Loop; он:
- Соединяет отдельные Loops вместе.
- Управляет координацией между ними.
Можно понимать это так:
- Loop решает, «как работает один ИИ».
- Graph решает, «как сотрудничает группа ИИ».
Это как переход от «индивидуального исполнителя» к «управлению командой».
5. На самом деле изменился не Graph, а узлы
Вы можете сказать: блок-схемы, конечные автоматы, планирование задач — разве это не десятилетиями известные концепции в информатике?
Верно.
Airflow рисует графы задач уже десять лет. Статья Anthropic 2024 года «Building Effective Agents» также иллюстрирует все эти паттерны.
Так почему же сейчас такой ажиотаж?
Потому что на самом деле изменилась не структура графа, а узлы внутри него.
Раньше узлы были машинами. Вы писали правила, и они следовали им. Ввод и вывод были полностью детерминированными.
Теперь узлы — это ИИ. Вы даёте задачу, а он сам понимает, оценивает и выполняет. Если он понимает правильно — отлично; если отклоняется — все последующие узлы тоже отклоняются.
Это изменение порождает три совершенно новых проблемы:
- Ухудшение состояния (state rot) — если ИИ допускает одну ошибку, за ним следует и downstream.
- Дрейф маршрутизации (routing drift) — одна и та же задача может пройти по двум разным путям за два запуска.
- Сбой валидации (validation failure) — ИИ проверяет ИИ, и они просто кивают друг другу.
Вот что на самом деле обсуждает Graph Engineering. Это не о том, как нарисовать диаграмму, а о том, как управлять группой узлов, которые могут думать самостоятельно.
6. 4 основных модуля Graph Engineering
1. Модуль узлов: зачем существует каждый узел?
Самая распространённая ошибка — разбить простую задачу на кучу узлов. Для «суммирования PDF» вы делаете пять узлов: загрузка, разбиение на чанки, суммаризация, проверка, форматирование. В результате — потраченные токены без реальной синергии.
Узел заслуживает своего места только в том случае, если он представляет собой настоящую специализацию:
- Другая модель (использовать GPT-5 для исследования, Claude для проверки).
- Другой набор инструментов (один может искать в интернете, другой — выполнять код).
- Действительно другая роль (только читающий рецензент).
Тест: если два узла можно объединить в один без потери чего-либо, они не должны были быть разделены.
2. Модуль состояния: как информация передаётся между узлами
В Loop отказ называется «контекстной гнилью». В Graph та же болезнь переходит в общее состояние. Ошибка второго узла становится входными данными для пятого.
Инженерные практики:
- Определите чёткую структуру данных для состояния — не позволяйте строкам смешиваться там, где должны быть списки.
- Установите, что каждый узел может записывать только в свои отвественные поля.
- Установите контрольные точки между узлами — чтобы можно было воспроизвести запуск и увидеть, где пошло не так.
3. Модуль маршрутизации: по какому пути идти дальше
Каждое ребро — это решение. Вопрос в том, кто его принимает. Позволять ИИ выбирать маршрут приносит гибкость, но также и нестабильность.
Принцип: Жёстко кодируйте там, где условия ясны (if/else), и позволяйте ИИ решать только там, где действительно нужна интерпретация.
4. Модуль проверки: предотвращение того, чтобы ИИ просто кивали
Несколько ИИ из одного источника, читающие один и тот же проблемный контекст, будут охотно соглашаться друг с другом.
Как это нарушить:
- Используйте другую базовую модель для узла проверки.
- Дайте ему свежий контекст — не всю историю диалога — чтобы заставить самостоятельно мыслить.
- Привязывайте выводы к внешним доказательствам (например, к коду, который действительно компилируется).
7. 3 шаблона Graph для начинающих
1. Graph написания статьи
- Узел 1: Исследование (Поиск, организация 5 пунктов).
- Узел 2: Написание (Черновик на основе исследования).
- Узел 3: Проверка (Проверить на примеры, «воду» и призыв к действию). Вернуть к Узлу 2 при неудаче.
2. Graph кодирования
- Узел 1: Понимание (Прочитать структуру, найти файлы).
- Узел 2: Выполнение (Изменить код).
- Узел 3: Тестирование (Запустить тесты, прочитать ошибки).
- Узел 4: Исправление (Условный узел на основе ошибок, вернуться к Узлу 3).
3. Graph исследования
- Узлы 1-5: Параллельный поиск (Размер рынка, игроки, болевые точки, тренды, пробелы).
- Узел 6: Агрегация (Объединение, удаление дубликатов).
- Узел 7: Факт-чекинг (Проверка источников данных).
8. Путь обучения от новичка до продвинутого
Фаза 1: Освоить одиночный Loop (1-3 дня). Убедитесь, что есть условия остановки и проверки.
Фаза 2: Рисовать на бумаге (3-7 дней). Заставьте каждый узел обосновать своё существование.
Фаза 3: Определить структуру State (7-14 дней). Решите, что каждый узел читает и записывает, прежде чем запускать.
Фаза 4: Комбинировать несколько Graph (14-30 дней). Разбейте огромную задачу на последовательность маленьких Graph.
9. 5 распространённых ошибок новичков
- Graph ради Graph: Не используйте Graph, если работает Loop.
- Неопределённое состояние: Приводит к сбоям типов данных между узлами.
- Маршрутизация только через ИИ: Делает отладку невозможной из-за недетерминированных путей.
- Проверка той же моделью: Проверяющие становятся просто «резиновыми штампами».
- Отсутствие лимита бюджета: Параллельные узлы могут быстро сжечь токены. Установите лимиты повторов.
10. Практика, которую можно начать сегодня
Не изучайте только теорию. Выберите реальную задачу (написание статьи, исследование конкурентов, разработка функции) и нарисуйте схему на бумаге:
- Напишите название задачи.
- Нарисуйте узлы (Что делать, какая модель/инструмент).
- Нарисуйте рёбра (Поток и логика повторов).
- Определите состояние (Какая информация передаётся).
- Определите условия остановки.
Суть Graph Engineering: Заменить «надеюсь, ИИ разберётся» на «я говорю группе ИИ, как разделить труд, передать работу и закончить».
