Rendez vos agents IA prévisibles grâce à l'ingénierie des graphes - Zachary Blumenfeld, Neo4j
Original · Make Your AI Agents Predictable With Graph Engineering - Zachary Blumenfeld, Neo4j
Key Takeaway
L'ingénierie de graphes structure le travail des agents en processus explicites et portables, ce qui garantit la prédictibilité, améliore la performance des tâches et réduit les coûts opérationnels.
Highlights
L'ingénierie de graphes consiste à concevoir le travail des agents sous la forme d'un graphe explicite où les nœuds effectuent le travail et les arêtes acheminent l'état.
La transformation de la prose textuelle et des scripts en structures de graphes déterministes réduit le temps d'exécution de 7,5 minutes à environ une demi-minute.
L'utilisation d'une structure de graphe combinée à des modèles plus compacts comme Haiku réduit considérablement les coûts et la complexité du routage.
La plateforme Neo4j Agent Memory Service intègre la mémoire à court terme, la mémoire à long terme et les traces de décision au sein d'une couche de connaissances unifiée.
Timeline
Définition et perspectives de l'ingénierie de graphes
Cette section introduit les concepts fondamentaux de l'ingénierie de graphes, en comparant cette approche aux pratiques d'ingénierie de prompt et de contexte. L'intervenant détaille comment les nœuds et les arêtes permettent de gérer les flux de travail et les traces de décisions, tout en positionnant Neo4j comme une couche de connaissances interarmées.
- L'ingénierie de graphes émerge comme une discipline structurant le travail des agents par le biais de graphes explicites.
- Trois types de graphes principaux coexistent : les graphes d'exécution généraux, les graphes de contexte et les graphes procéduraux.
- L'approche apporte la prédictibilité, la gouvernance et la portabilité des architectures d'agents entre différents environnements.
Couche de connaissances et compilation des compétences
L'exposé examine la structuration des mémoires d'agents et la conversion de compétences procédurales en graphes. Cette méthode offre une traçabilité complète des actions, facilite l'audit temporel des décisions et permet d'utiliser des modèles de langage plus petits sans perte de performance.
- Neo4j Agent Memory Service gère la mémoire à court terme, la mémoire à long terme et les traces de raisonnement.
- La compilation de matériel textuel en structures de graphes déterministes améliore la performance et la précision des agents.
- La portabilité des artefacts YAML permet à n'importe quel environnement d'exécution d'exécuter les compétences programmatiques.
Démonstration pratique et gains d'efficacité
La démonstration applique l'ingénierie de graphes à un cas concret d'analyse de prêt bancaire. L'intervenant montre comment le passage d'un routage dynamique géré par l'agent à une compétence compilée diminue drastiquement les coûts, le temps de calcul et les erreurs de parcours.
- Un processus d'approbation de prêt illustre l'intégration des politiques complexes et des données multi-sources dans le graphe.
- L'utilisation de scripts d'exécution déterministes réduit le temps de traitement des tâches de plusieurs minutes à moins d'une minute.
- L'observabilité des branches prises et des échecs renforce la gouvernance et l'analyse des exécutions d'agents.
Description
Graph engineering is a new name for an old idea: give agents a map of the logic they should follow, not just a pile of text. Zachary Blumenfeld of Neo4j explains how graphs make agents more predictable, governable and portable. He shows how to compile skills and past decision traces into graph-shaped skills, then demos a loan-approval agent that follows them. 0:00 Intro: what is graph engineering? 1:42 Three types of graphs 3:04 Predictability, governance, portability 4:42 Neo4j's knowledge layer 6:03 Context graphs and agent memory 6:53 Compiling skills into graphs 8:08 Distilling skills from memory graphs 9:22 Customer use cases 10:47 Demo: a loan-approval agent 14:30 Compiling runs into a graph-shaped skill 18:20 Observability on graph branches 20:01 Resources Zachary Blumenfeld, Neo4j: https://neo4j.com Join us in SF for the second annual AIE CODE summit: https://aie.codes our last flagship summit of 2026. Applications live now!