Graph-Engineering: Wo KI-Agenten nicht mehr alleine arbeiten

Manchmal funktioniert die Demo, aber das tatsächliche Rollout nicht. Ein Agent für eine Aufgabe ist zuverlässig, aber lässt man mehrere an derselben Codebasis arbeiten, stimmen die Ergebnisse nicht mehr überein: Sie bauen das neu, was ein Nachbar gerade ausgeliefert hat, nehmen widersprüchliche Änderungen an derselben Datei vor oder verfolgen einen Ansatz, den ein anderer Agent eine Stunde zuvor ausgeschlossen hat. Die Lücke liegt in der Koordination: Zuweisungen, Abhängigkeiten und Review-Workflows.

Prompt Engineering drehte sich um die Worte, die man einem Modell gab. Loop Engineering drehte sich um den Zyklus, den ein Agent durchlief, um eine Aufgabe zu beenden. Graph Engineering dreht sich darum, wie viele Agenten als System arbeiten: Welche Agenten existieren, was jedem Einzelnen gehört, wie die Arbeit auf sie aufgeteilt wird, wo die Ergebnisse wieder zusammenlaufen und wo ein Mensch immer noch die Freigabe gibt.

Koordination muss entworfen werden

Teilen Sie eine Funktion auf mehrere Agenten auf und Sie haben eine Reihe von Abhängigkeiten geschaffen, die präzise definiert werden müssen. Ein Agent agiert auf Basis dessen, was ihm übergeben wird; alles, was nicht in die Struktur geschrieben wurde, ist für ihn unsichtbar.