9.5 從提示工程到 Loop 工程到 Graph 工程#

不斷往「外側」移動的工程#

前面幾章我們看到一條清晰的演進線：Agent 工程的重心，從「內核」逐步往外「外側」移動——也就是從「模型本身」，走向「包住模型的框架」。

本節把這條演進線完整地串起來，它其實是本書第二篇的一張「地圖」：

Prompt Engineering（提示工程）→ Context Engineering（上下文工程）→ Harness Engineering（韁繩工程）→ Loop Engineering（迴圈工程）→ Graph Engineering（圖工程）

這條路線圖反映了一個深刻的趨勢：當模型能力快速進步，工程師真正能「設計與控制」的部分，越來越在外側。 內核（模型參數）幾乎無法由你控制，越是外面、越是你能著力、也是穩定性的來源。

六個階段的演進#

共同主軸：每一階段，都把「可控制、可驗證」的層次推向更外側。這與 1.4 節「本質性困難由人掌握」、14.2 節「Harness 與模型共同演進」深深呼應。

Loop 工程：設計「執行迴圈」#

Loop 工程（迴圈工程） 關注的是：「拿模型與工具，組一個『迴圈』，讓它週而復始地思考、行動、觀察，直到完成任務。」

ReAct（8.4 節）就是一個基礎的 Loop。但「工程化」的 Loop 不只是「無腦循環」，而是要設計：

• 迴圈的結構：何時該呼叫 LLM、何時該呼叫工具、何時該終止
• 終止條件：何時算「完成」？（答對、測試通過、使用者確認）
• 迭代的上限：最多繞幾圈？（防止無限循環）
• 思考/行動的比例（8.4 節）：多想少動，還是多動快試
• 狀態管理：迴圈每一圈的上下文如何更新（7.4 節）

flowchart TD
    L[Loop 開始] --> T[Thought 思考]
    T --> A[Action 行動<br/>呼叫工具]
    A --> O[Observation 觀察]
    O --> C{終止條件達成？<br/>或超過迭代上限？}
    C -- 否 --> T
    C -- 是 --> E[Answer 完成]

Loop 工程的價值：把「一次性的 Prompt」變成「可重複、受控、可終止的執行過程」——這是從「問一個問題」到「完成一個任務」的關鍵一步。

Graph 工程：從「一條迴圈」到「多個環節」#

當任務變複雜，單一迴圈往往不夠。Graph 工程（圖工程）把 Agent 的執行，從「一條順序迴圈」擴展為「一個『圖』（Graph）」——其中含多個環節（節點），每個環節是「模型呼叫」或「工具動作」，並依流程邏輯（順序、條件、並行、迴圈）連接。

這其實呼應了 4.4 節的 Agentic Coding 流程圖、以及 11 章的多 Agent 協作——複雜任務被拆成許多可獨立設計與驗證的環節，再接成一個有向圖。

flowchart TD
    A[開始] --> B[分類/路由<br/>Routing<br/>判斷任務類型]
    B --> C[環節：釐清需求<br/>Ask/Clarify]
    B --> D[環節：執行任務<br/>Act]
    D --> E[環節：驗證<br/>Verify]
    E -->|通過| F[完成]
    E -->|不通過| D

常見的圖結構（可與 11 章連結）： - Routing（路由）：依輸入分派到不同子流程 - Parallel（並行）：多個獨立環節同時執行 - Evaluator（評估者）：一個環節評估並修正另一個的輸出（LLM-as-a-Judge，5.5 節） - Loop（迴圈）：如 ReAct 般的迭代環節

Graph 工程的價值：把複雜任務「結構化、可視化、可測試」——每個環節都能單獨設計與評估，整體流程能畫成圖、能除錯、能追蹤。這是「Harness」從「單迴圈」走向「多環節圖」的自然擴展。

從 Loop 到 Graph：穩定性的外移#

理解這條演進線，最關鍵的一點是：

真正「可被工程師控制與驗證」的，是外側的 Loop 與 Graph 結構，而不是內核的模型參數。

• 模型（最內側）：黑箱，你控制不了它的參數
• Prompt/Context：你能影響它「看到什麼」
• Harness/Loop/Graph（外側）：你能設計「怎麼執行、如何繞圈、如何連接、如何驗證」

因此：Agent 工程的功力，越來越體現在「會不會設計好外側的 Loop 與 Graph」——也就是能不能把複雜任務拆成可驗證的環節、接成可控制的圖、配上可靠的 Harness。這是一門「結構化的工程」，而不是「碰運氣的提示」。

回到全書主軸#

最後，把這條演進線與全書連結：

• 第 1 章：本質性困難（需求、複雜性、品質）在人，不因 AI 而消失
• 第 7-9 章：工程重心移到「上下文、工具、Harness、Loop、Graph」這些「外側可控制層」
• 第 10 章：這些外側設計「好不好」，最終要靠評估來度量並持續改進
• 第 14 章：模型持續內化能力，Harness 與 Loop/Graph 會「共同演進」（14.2 節）

一句話：當你可以控制「怎麼把任務拆成環節、怎麼連接、怎麼驗證」，而不必糾結「模型會不會」，你就真正掌握了 AI 時代的軟體工程。 這正是本書要傳達的核心能力轉移。

本章小結#

• 演進線：Prompt → Context → Harness → Loop → Graph 工程（再到評估/進化）
• 趨勢：工程重心不斷往外側移動——外面你可控制、是穩定性的來源
• Loop 工程：設計執行迴圈（結構、終止條件、上限、思考/行動比例）
• Graph 工程：把複雜任務拆成多環節的「圖」（路由/並行/評估者/迴圈）
• 核心洞察：可控制與驗證的是外側結構，不是內側模型
• 功力在「把任務拆成可驗證的環節、接成可控的圖、配上可靠的 Harness」

想一想#

1. 為什麼 Agent 工程的「可控制部分」會不斷往模型的外側移動？內核（參數）為什麼難控制？
2. 對照你的 Coding Agent 任務，畫出它的一個「Loop」，並指出它的終止條件與迭代上限。
3. 舉一個需要「Graph 工程」的複雜任務（例如「撰寫並測試一個新模組」），把它拆成「環節的圖」，並標出哪些環節需要 LLM-as-a-Judge 或測試來驗證。