AI Engineer 2026

Make Your AI Agents Predictable With Graph Engineering

Zachary Blumenfeld · Neo4j

2026-11-03 · 21分钟 · 17 万次观看 · AI Engineer

「图工程」:给 agent 一张它应遵循的逻辑地图,而不只是一堆文本。把 SKILL.md 编译成图、从成功运行的上下文图中蒸馏出程序图 skill;贷款审批演示中,硬性政策规则在模型之前用脚本直接批准/拒绝,评审者可以比较允许的路径与实际走过的路径。

观看原视频 ↗

内容概要

贷款 agent 可能做出正确决定,评审者却无法确定它是否遵循了政策。三种图回答不同问题:运行时图(如 LangGraph,节点做事、边传状态)、知识图(连接决策与记录)、上下文图(记录一次运行走过的路径)。Neo4j 在 agent 与数据源(Databricks、BigQuery、Snowflake 表或一批 Markdown 文件)之间放一层知识层。研究中把 SKILL.md 及其脚本、参考资料、资产编译成图,表示决策和路由;也可以从过去运行的记忆图中蒸馏 skill。客户案例:资产管理审计(适用规则取决于关联记录)。贷款演示:上传商业计划 PDF,问是否批准新贷款;PDF 连接到过去的交易等数据;两次成功的审查走了不同路径。用 AIP 库把成功运行编译成 YAML 描述的图,skill 打包了图、执行脚本、资产和原始放贷政策;硬性规则在决策模型运行前就批准或拒绝,减少每次申请模型要做的事。每次运行及其步骤存在图中,检查器显示状态、批准/拒绝及原因;把允许的路径与实际路径放在一起,评审者能追踪单个决策,并找出从未被走过的分支。

幻灯片截图

三种图:运行时图(LangGraph 式,节点做事、边传状态)、知识图(连接决策与记录)、上下文图(保留一次运行走过的路径)。
0:36 三种图:运行时图(LangGraph 式,节点做事、边传状态)、知识图(连接决策与记录)、上下文图(保留一次运行走过的路径)。
贷款 skill:把成功运行编译成 YAML 图,打包执行脚本、资产与原始政策;硬性规则在决策模型前就批准或拒绝,减少模型工作量。
14:36 贷款 skill:把成功运行编译成 YAML 图,打包执行脚本、资产与原始政策;硬性规则在决策模型前就批准或拒绝,减少模型工作量。
把允许的路径与实际路径并排:评审者能追踪单个决策,并发现从未被执行过的分支。
17:36 把允许的路径与实际路径并排:评审者能追踪单个决策,并发现从未被执行过的分支。

截图来自原视频,仅用于评论与学习。

要点(点击时间跳到原视频)

  1. 0:12

    三种图:运行时图(LangGraph 式,节点做事、边传状态)、知识图(连接决策与记录)、上下文图(保留一次运行走过的路径)。

  2. 4:32

    知识层位于 agent 与数据源之间(Databricks、BigQuery、Snowflake 表或 Markdown 文件),把决策与记录相连。

  3. 6:32

    把 SKILL.md(含脚本、参考、资产)编译成表示决策与路由的图;也可以从过去运行的记忆图中蒸馏出 skill。

  4. 9:31

    当适用规则取决于关联记录时(如资产管理审计),把逻辑与它所管辖的数据存在一起更有效。

  5. 14:30

    贷款 skill:把成功运行编译成 YAML 图,打包执行脚本、资产与原始政策;硬性规则在决策模型前就批准或拒绝,减少模型工作量。

  6. 17:42

    把允许的路径与实际路径并排:评审者能追踪单个决策,并发现从未被执行过的分支。

可以用在日常工作里的

  • agent

    对合规敏感的流程,把硬规则从提示里拿出来放进脚本/决策图,让模型只处理需要判断的部分。

  • 数据

    记录每次运行的路径(上下文图),用于审计和从成功案例中蒸馏 skill。

演讲提到的资源

同一章节的其他演讲

← 返回全景 · 目录