X (@AnatoliKopadze / Anatoli Kopadze) — Twitter Article
ai-engineering
Original source

Graph Engineering Explained — What It Is, When to Use, When Not To

Summary

3.6K likes, 498 RT 的完整 Graph Engineering 教學文（13 章節）。與 Hanako 的 Loops & Graphs 文互補 — 本篇更偏入門教學和實操模板。

核心概念

  • Node（節點）= 一個 job，定義好 input/output schema
  • Edge（邊）= 真正的資料依賴，一個 node 的 output 餵另一個 node 的 input
  • 你目前的「do A then B then C」已經是 graph — 只是最差的那種（單鏈）

Fake Edge Test（最值錢的一招）

  • 檢查每條邊：下一步真的需要上一步的結果嗎？
  • 如果不需要 → fake edge → 可以並行
  • 幾乎任何 workflow 都有 2-3 條 fake edge = 免費的加速

The Diamond Pattern（唯一需要的模式）

  • Fan out → Reduce → Synthesize
  • Fan out：並行 workers 各自獨立 context 研究不同角度
  • Reduce：用 code（不是 model）做 dedup/merge/rank
  • Verify：fresh context 的 skeptic 驗證每個 finding
  • Synthesize：一個 agent 寫最終報告
  • Claude Research 功能就是在跑這個 pattern

Node Contract 設計

  • 定義好 input schema 和 output schema
  • free text output = 只有人能讀 = 無法串接
  • fixed schema = 下一個 node 不用猜

Verifier Node

  • 三個 skeptic 並行，各問不同問題：正確嗎？最新嗎？來源真實嗎？
  • 多數通過才保留 finding
  • 必須用 fresh context（不能看到 worker 的 chat）

常見陷阱

  • 共享 workspace → workers 互相影響（用 git worktree 隔離）
  • 1000 個結果直接灌進一個 step → 要分 batch 做 layered fan-in
  • Silent failure：node 靜默失敗沒人發現 → fan-in guard 檢查返回數量
  • 不是所有工作都適合 graph — 創意寫作/高度相依的推理鏈不需要

實操模板（附在文章中）

  • Research graph：5 角度並行研究 → verify → merge → report
  • Code audit：per-file 並行 → verify → dedup → report
  • Content draft：並行 SERP 分析 + 問題收集 + gap 分析 → outline → draft
  • Security hunt：並行 finders → dedup → verify → loop until nothing new
  • Launch kit：並行 research → human gate → 並行 writing → verify

何時不用 Graph

  • 工作本身是線性依賴的（每步真的需要上一步結果）
  • 規模太小（3 步以內直接線性跑）
  • 創意任務需要統一 voice