提示工程 vs 循环工程 vs 图工程：三层 AI 控制单元的区别与适用场景

一句话看懂

提示工程、循环工程和图工程不是竞争技术，而是三个堆叠的控制单元：一个控制单次响应，一个控制智能体循环，一个控制多智能体协作。

详细发生了什么

2025年底，“循环工程”进入 AI 工程词汇，到2026年6月主导了开发者讨论；六周后“图工程”紧随其后。这三个术语常被混用，但文章指出它们本质上是不同层级的控制单元。

提示工程：控制单次模型响应。核心假设是人类在场迭代——写提示、看输出、改提示。当任务量大、步骤多、无人审核或输出自动进入下一步时，这个假设就失效了。

循环工程：控制一个智能体的行为循环。2026年6月，一篇广泛传播的文章主张工程师应停止“提示”编码智能体，转而设计驱动提示的循环。Claude Code 团队在同一周描述了这一转变。循环的关键不是循环本身，而是停止条件——无法机械区分“完成”和“卡住”的循环会默默消耗 token。

图工程：控制多个智能体的组织方式。这是最新、最不稳定的标签，与知识图谱的旧用法冲突。底层实践——基于图的编排——在多智能体系统研究中已有文档记录。

文章用一个交互式演示展示了同一任务（修复 auth 模块的测试并提交 PR）在三层下的不同处理方式：提示层需要人工每轮干预；循环层由验证器自动判断；图层则通过预定义路由规则处理跨域并行分支。

中文圈视角

对国内开发者而言，这三个概念有直接实用价值：

1. 提示工程：国内用户最熟悉，但常被过度神化。文章指出，当任务需要高吞吐、多步骤或自动衔接时，提示工程本身无法胜任——这与国内许多“提示词优化教程”的承诺形成对比。

2. 循环工程：国内类似实践已出现。DeepSeek 的 Agent 模式、Kimi 的“长任务”功能都隐含了循环设计，但缺乏系统化的术语和工具支持（如 Claude Code 的 /loop 和 /goal 命令）。国内开发者可借鉴其“maker/checker 分离”思路——让不同模型分别负责生成和验证，避免自评偏差。

3. 图工程：国内多智能体编排仍以 LangGraph、AutoGen 等框架为主，但“图工程”作为独立概念尚未普及。文章提醒，图工程与知识图谱的术语冲突可能造成混淆——国内 ModelScope 社区已有类似讨论。

盲点：国内讨论多集中在单层优化（如提示词技巧），很少关注“何时需要升级控制层级”这一决策问题。文章给出的判断条件（高吞吐、多步骤、无人审核、输出自动衔接）值得中文开发者收藏。

几条值得记住的细节

• 循环工程的核心不是循环本身，而是停止条件——无法区分“完成”和“卡住”的循环会持续消耗 token。
• Claude Code 和 Codex 均已内置 /loop（按节奏重跑）和 /goal（跑至条件满足）功能。
• 图工程的 provenance 尚未解决，且与知识图谱的旧用法冲突。
• Anthropic 的多智能体研究表明，修复协调失败的首要杠杆是提示工程而非拓扑调整。
• 提示工程在高层次中并未消失：早期版本为简单查询生成了50个子智能体，修复方式是优化提示而非改变图结构。

一句话总结

别只学提示词技巧——学会判断何时该升级到循环或图层，才是 AI 工程的核心能力。