使用图工程让你的 AI 代理更具可预测性 - Zachary Blumenfeld, Neo4j

Highlights

• 图工程是指将智能体的工作设计为显式图的实践，其中节点负责执行工作，而边在节点之间路由状态。

• 图工程能够为智能体提供可预测性、治理审计能力以及便携性，使智能体能够处理更大、更复杂的工作。

• Neo4j 智能体记忆服务（NAMS）将短期对话历史、长期提取的实体以及推理和决策痕迹存储在上下文图中。

• 通过将书面技能材料编译成确定性脚本和图结构，即使使用较小的模型也能提升任务奖励和性能。

• 在贷款审批流程的实验中，引入程序规范和图工程将运行时间从 7 分半缩短至约半分钟，并大幅降低了运行成本。

Timeline

1. 00:00 - 05:14

   图工程的定义与核心分类

   演讲首先追溯了图工程术语的背景，指出虽然名称较新，但其背后的状态机和知识图谱等机制并不陌生。真正的改变在于如何结合智能体看待它们。图工程通过约束智能体路径确保答案准确，并通过显式图进行控制和审计。Neo4j 正在定义的知识层位于 Databricks、Snowflake 或 Markdown 等记录系统上方，提供便携的图工程流程。

   • 图工程是将智能体的工作设计为显式图的实践，由节点执行工作并通过边路由状态。
   • 图工程主要包含通用执行图、上下文图和程序图三种类型。
   • 图工程的核心优势在于可预测性、对行为的治理审计能力以及跨运行时的便携性。
   • Neo4j 构建的知识层位于记录系统上方，通过标准协议和工件使图工程适用于任何运行时或智能体。
2. 05:14 - 09:22

   上下文图与程序性知识的编译

   这一部分介绍了 Neo4j 数据库之上的 AI 相关功能和智能体记忆工具。研究团队探索了如何将书面材料转化为图结构，赋予智能体访问不同决策点和脚本的能力。实验表明，切换到这种方式后，即使使用较小的模型，也能在物理学、计算机科学等挑战性任务中提升整体性能和任务奖励。

   • Neo4j 的智能体大脑工具包含短期记忆、长期记忆以及推理或决策痕迹。
   • 研究探讨了将程序性知识（如技能、脚本、参考资料）编译成图结构的方法。
   • 将散文式文本编译成确定性脚本并强制智能体运行该图，可以提升任务奖励和性能。
   • 通过将上下文图与技能保持连接，可以追溯每个步骤的出处并评估漂移与历史记录。
3. 09:22 - 11:47

   图工程在实际业务中的应用

   许多客户正在将图工程用于实际业务场景。咨询部门与资产管理公司合作，通过图表表达数据之外的逻辑，以值得信赖的方式自动化合规审计。优步利用图配置来厘清不同地理区域的合规要求。接着，演讲引入了一个贷款审批流程的示例，展示智能体如何遍历商业计划书、过去交易和贷款政策数据。

   • 资产管理公司利用图工程解决合规和审计报告编写中的棘手问题。
   • 优步通过配置图表来处理全国各地庞大微服务集群中复杂的合规要求和法规差异。
   • 贷款审批流程涉及严格的政策和步骤，智能体需要能够解释步骤并给出正确答案。
4. 11:47 - 20:25

   贷款审批演示与性能提升

   在演示环节中，通过 Rosa's bakery 的贷款审批案例展示了图工程的实际效果。系统将成功的运行轨迹编译进技能内部的 YAML 格式和执行脚本中，通过编程方式处理硬性规则检查、决策模型路由、报告编写和代码检查。最终结果表明，相比纯模型运行，引入程序规范和图工程不仅将耗时从 7 分半大幅压缩，还通过使用更简单的模型实现了成本的大幅下降。

   • 贷款审批演示中结合了商业计划书 PDF、Databricks 提取的历史交易和贷款政策数据。
   • 通过将成功运行的信息编译成图形状的技能并包装成 CLI，智能体无需自主决定所有路由步骤。
   • 引入程序规范后，贷款审批流程的运行时间缩短了近一半，并允许使用 Haiku 等更简单的模型大幅降低成本。
   • 图表持久化保存了运行结果，支持从治理角度检查状态、批准情况以及分支选择。