Pada Julai 2026, bidang pengaturcaraan AI mengalami perubahan besar. Peter Steinberger mengumumkan di platform X bahawa era kejuruteraan kitaran telah berakhir, mendorong industri beralih kepada kejuruteraan graf. Kejuruteraan kitaran berasal daripada kaedah Ralph oleh Geoffrey Huntley, yang mengelakkan had tingkap konteks dengan membiarkan Agen AI berjalan secara berterusan sehingga matlamat dicapai. Pada April hingga Mei 2026, alat-alat seperti Codex dan Claude Code secara berturut-turut melancarkan fungsi Goal, mewujudkan produk kitaran. Semasa ini, industri sedang mengkaji kejuruteraan graf yang lebih kompleks, yang melibatkan reka bentuk bersama graf organisasi dan graf kerja.

Penulis artikel, sumber: Akaun WeChat InfoQ (ID: infoqchina)

Kami masih membincangkan kitaran, atau sudah beralih ke grafik?

Pada 18 Julai 2026, Peter Steinberger secara diam-diam mengumumkan penghujung era rekabentuk kitaran di platform X dengan satu ayat ini. Post ini mendapat 2.6 juta tontonan dalam dua hari selepas diterbitkan.

Enam minggu yang lalu, dia mendapat 8.4 juta tontonan dengan “reka bentuk kitaran yang boleh memicu Agent”, membuat para pembangun di seluruh dunia sedar bahawa era kejuruteraan petunjuk sedang berakhir, dan kejuruteraan kitaran adalah arah baru.

Dua post, dengan jumlah tontonan keseluruhan melebihi 11 juta, membawa perbincangan paling popular dalam bidang pengaturcaraan AI ke tahap seterusnya.

Kebangkitan perulangan

Dalam sebulan terakhir, "Loop Engineering" telah dengan cepat menjadi konsep hangat dalam bidang pengaturan AI.

Namun, asal sebenarnya berpunca dari setahun yang lalu. Pada Julai 2025, jurutera perisian Geoffrey Huntley mencadangkan satu kaedah yang dipanggilnya "Ralph"—satu gelung Bash ringkas yang membolehkan Claude menjalankan tugas berulang-ulang sehingga matlamat dicapai:

sementara :; do cat PROMPT.md | claude-code ; done

Inti kaedah Ralph ialah mengelakkan had tetingkap konteks. Pada pertengahan 2025, had maksimum tetingkap konteks ialah 200,000 token. Ini jauh tidak mencukupi untuk tugas yang lebih kompleks, oleh itu perlu membahagikan operasi Agen kepada unit operasi yang lebih kecil, kemudian menjalankannya satu per satu.

Dalam konteks ini, cara kerja kaedah Ralph adalah seperti berikut:

• Tetapkan satu sasaran untuk projek, kemudian teruskan atau jalankan semula Agent sehingga sasaran dicapai.
• Mengabadikan kerja yang telah selesai ke sistem fail dalam bentuk "kompres", seperti menyimpan sebagai log atau pelan yang dikemaskini.
• Gunakan konteks baharu untuk memulakan Agent, supaya mengurangkan "kerosakan konteks".
• Apabila diperlukan, benarkan setiap Agen menambah atau mengubah "Rancangan Keseluruhan".

Huntley menggunakan kaedah ini untuk membina bahasa pengaturcaraan dari sifar, mengesahkan kelayakannya. Namun, ia baru menyebar dengan cepat di kalangan pembangun setelah model yang lebih kuat muncul.

Kepopulan Loop juga tidak lepas daripada beberapa pembangun utama Anthropic dan OpenAI. Pada awalnya, di perjumpaan pembangun Anthropic, Boris Cherny, pencipta Claude Code, berkata: “Saya sekarang tidak lagi memberi arahan kepada Claude. Saya menjalankan beberapa gelung, di mana gelung-gelung ini memberi arahan kepada Claude dan menentukan apa yang perlu dilakukan seterusnya. Pekerjaan saya ialah menulis gelung.”

Selepas itu, Peter Steinberger juga memposting seruan agar pembangun berhenti memberikan petunjuk langsung kepada Agent pemrograman: “Ingatan bulanan: Anda seharusnya tidak lagi memberikan petunjuk secara langsung kepada Agent pemrograman. Anda harus mereka bentuk kitaran yang mampu memberikan petunjuk kepada Agent.”

Jurutera Google sebelumnya, Addy Osmani, kemudian menulis satu artikel khas berjudul “Loop Engineering”, yang merangkumnya sebagai: “Loop Engineering ialah proses keluar daripada posisi anda sendiri dalam memberi petunjuk kepada Agent, dan sebaliknya merekabentuk sistem yang akan menyelesaikan perkara itu untuk anda.”

Konsep sudah ada, nama sudah ada, dan infrastruktur juga segera menyusul.

Pada April hingga Mei 2026, Codex, Claude Code, dan Hermes secara berturut-turut melancarkan arahan /goal, yang mengubah produk kitaran yang ditulis secara manual menjadi satu arahan sahaja.

Enam bulan selepas Ralph mula digunakan secara meluas, Codex mengeluarkan fungsi goal.

Dokumen Codex menulis: "Goals adalah sasaran yang kekal dalam Codex, yang membolehkan satu thread perbualan berterusan menuju hasil yang jelas melalui beberapa interaksi. Goal memberikan syarat penyelesaian kepada Codex: keadaan apa yang perlu berlaku, bagaimana untuk memeriksa kejayaan, dan batasan mana yang mesti sentiasa dikekalkan."

Dokumen tersebut secara khusus menyatakan: "Pengingat biasa menyiratkan: lakukan perkara ini seterusnya. Goal menyiratkan: terus bekerja sehingga keputusan ini berlaku."

Dalam permintaan biasa, Codex akan memproses arahan semasa, melaporkan keputusan, kemudian menunggu langkah seterusnya. Semasa menggunakan Goal, satu sasaran kekal melekat pada thread. Selepas satu putaran pelaksanaan selesai, ia boleh memeriksa bukti semasa dan menentukan sama ada sasaran telah selesai. Jika jawapannya tidak, dan Goal masih aktif serta anggaran belum habis, Codex boleh meneruskan kerja daripada keadaan terkini.

Sebagai contoh: “Kurangkan p95 latency dalam ujian piawai tempahan di bawah 120 milisaat, sambil memastikan keseluruhan set ujian kebenaran berjalan dengan lancar.”

Ini adalah "kriteria penghentian" yang cukup jelas, yang boleh terus diberikan kepada Agent. Selepas itu, Agent akan membahagikan tugas sendiri, mencipta Sub-Agent, dan terus beroperasi sehingga tugas selesai. Pasukan Codex mengambil inspirasi daripada kitaran Ralph dan membina infrastruktur berdasarkan ini: mengkoordinasikan beberapa Agent, mengelakkan mereka mengganggu satu sama lain; menguruskan status; menjalankan ujian; memulakan dan menghentikan Agent; kemudian menambah fungsi seperti tetapan bajet.

Struktur fungsi Goals

Bagaimana pembangun boleh menggunakan gelung

Pembangun sebenarnya menggunakan gelung untuk apa? Berdasarkan maklum balas komuniti, skenario yang paling biasa masih lagi mengendalikan beberapa tugas berkala.

Namun, kemampuan perputaran jauh melampaui ini. Nilai sebenar kejuruteraan perputaran terpancar dalam tugas-tugas jangka panjang yang lebih kompleks dan memerlukan iterasi berterusan.

Contohnya, menyelesaikan pemindahan kod berskala besar. Pengasas syarikat mulaan Rafel Mendiola perlu menukar aplikasi React menjadi React Native. Pendekatan tradisional adalah mencipta Epic besar, kemudian memecahkannya menjadi 50 hingga 100 tiket, di mana hanya membina infrastruktur sudah membuatkan orang berfikir dua kali.

Alternatifnya ialah mencipta Skill yang membolehkan Agent mengenal pasti blok kod yang boleh dipindahkan, menyelesaikan penukaran, dan mengesan kemajuan, kemudian memasukkan Skill ini ke dalam tugas Cron yang berjalan setiap 30 minit. Berbanding mengurus senarai pelan pemindahan yang besar, pendekatan ini jauh lebih ringan secara kognitif.

Seterusnya: Graph

Masalah tweet Peter sebenarnya menunjukkan satu lintasan evolusi.

Satu tahun yang lalu, kejuruteraan petunjuk masih merupakan kemahiran utama. Pada tahun 2025 hingga awal 2026, fokus berpindah kepada reka bentuk kitaran. Dan sekarang, apa yang ditunjukkan oleh Peter sudah lebih jauh lagi: reka bentuk graf yang terdiri daripada beberapa kitaran—setiap Agen menjalankan kitarannya sendiri, saling terhubung melalui ketergantungan.

Balasan paling menarik dalam talian tweet ini datang dari Luis Catacora: “Siklus mempunyai ruang ralat yang besar. Grafik akan memaksa anda mengakui berapa banyak bahagian dalam alur kerja yang belum benar-benar dimodelkan.”

Perkataan ini menunjukkan perbezaan antara dua paradigma ini. Perulangan membolehkan anda menangguhkan reka bentuk arsitektur: mulakan dengan satu Agen yang menangani semua tugas, sehingga ia tidak lagi mampu menanganinya. Manakala graf memerlukan anda untuk menyatakan keseluruhan struktur terlebih dahulu—siapa yang bertanggungjawab atas apa, tugas-tugas mana yang bergantung kepada tugas-tugas lain, dan apa yang perlu dilakukan jika satu cabang gagal. Perulangan adalah keputusan yang ditangguhkan, manakala graf adalah keputusan yang diambil terlebih dahulu.

Shubham Saboo, produk manajer AI tingkat tinggi Google dan penulis repositori kod Awesome LLM Apps (lebih daripada 124.000 bintang di GitHub), memberikan analisis lain yang membezakan dua peringkat: “Peta organisasi jangka panjang menentukan siapa yang bertanggungjawab atas bidang tertentu dan mengekalkan konteks; peta kerja menentukan apa yang perlu dilakukan semasa ini, dan boleh dibahagikan, digabungkan, disusun semula, atau hilang secara langsung berdasarkan bukti.”

Apa sebenarnya Graph?

Loop membuat tingkah laku Agent boleh diprogramkan. Graph membuat organisasi Agent boleh diprogramkan.

Langkah seterusnya ialah organisasi Agent dinamik: semasa pelaksanaan tugas, Graph akan menulis semula strukturnya sendiri.

Preston Holmes: Sekurang-kurangnya ada dua Graph yang penting. Yang pertama ialah Graph yang ditunjukkan dalam gambar anda, yang terdiri daripada Agent yang bertahan lama, masing-masing bertanggungjawab atas satu kawasan seperti pertahanan zon. Yang kedua ialah Graph yang terbentuk daripada kerja yang perlu dilakukan. Ia adalah dinamik dan sentiasa berubah.

Shubham Saboo: "Peta organisasi" yang berterusan menentukan siapa yang bertanggungjawab atas setiap kawasan dan bertanggungjawab untuk mengekalkan konteks. "Peta kerja" menentukan tugas apa yang perlu diselesaikan pada masa kini. Dengan munculnya bukti baharu, ia boleh dipisahkan, digabungkan, disusun semula, atau hilang sepenuhnya.

Ini adalah kunci sistem Multi-Agent peringkat pengeluaran: sebenarnya ada dua gambar yang berjalan secara serentak.

Grafik organisasi (Org Graph): Mendefinisikan “siapa yang bertanggung jawab atas apa”. Ia terdiri daripada Agent yang bertahan lama, di mana setiap Agent bertanggung jawab atas satu bidang tetap, menyimpan konteks, kecekapan profesional, dan kebenaran alat untuk bidang tersebut. Grafik organisasi relatif stabil, serupa dengan struktur organisasi syarikat.

Grafik Kerja (Work Graph): Mendefinisikan "apa yang perlu dilakukan sekarang, dan bagaimana tugas-tugas mengalir". Ia berubah seiring dengan tugas dan bukti baru, boleh dibahagikan, digabungkan, disusun semula, atau dibatalkan secara langsung. Grafik kerja lebih seperti rancangan projek yang dihasilkan secara masa nyata.

Preston Holmes juga percaya bahawa kedua-dua gambar itu penting dan beroperasi pada skala masa yang berbeza. Gambar organisasi akan direka dan dideploy terlebih dahulu; gambar kerja pula dihasilkan secara dinamik untuk setiap tugas dan dibuang selepas tugas selesai.

Jika perulangan membuat perilaku Agen dapat diprogram, maka grafik membuat organisasi Agen dapat diprogram. Langkah seterusnya ialah organisasi Agen dinamik—semasa pelaksanaan tugas, grafik akan menulis semula strukturnya sendiri.

Dari menulis Prompt yang baik, merancang Loop, hingga membina Graph, fokus kemampuan pengaturan AI terus meningkat. Pembangun semakin tidak perlu memikirkan cara berkomunikasi dengan satu Agent, tetapi perlu memikirkan cara merancang struktur kerjasama antara Agent.