← 返回首页
让 Agent 系统的结构，也成为可以研究的对象。
Agent Graph 是 Nuclx 正在探索的一项研究方向：把 Agent、工具、记忆与评估器表示为计算图，并研究图的拓扑、反馈机制与评估方法能否被系统地改进。
一张图，描述一次协作如何发生。
我们把一次 Agent 系统执行抽象为有向计算图。节点承担能力或状态，边决定信息、任务和反馈的流向；一次完整执行会留下可检查的轨迹。
- Agent
- 负责推理、规划或执行的模型驱动单元；每个单元应有清晰的输入、输出与责任边界。
- 工具
- 连接代码、数据源与外部系统的可调用能力；权限、失败状态与成本需要被显式记录。
- 记忆
- 保存任务状态、历史轨迹与可复用知识；读写策略本身也会影响系统表现。
- 评估器
- 依据预先定义的标准检查中间过程与最终结果，并向图中的节点或连接返回反馈。
不仅调整提示词，也检验结构。
-
拓扑
哪些节点参与、如何连接、何时并行或汇合。拓扑变化必须可以记录、比较与回退。
-
反馈
评估信号如何返回执行过程，以及反馈是修正当前轨迹、更新策略，还是提出新的图结构。
-
评估
同时观察任务效果、成本、时延、可靠性与泛化能力，避免用单一分数掩盖真实权衡。
验证方法
先让问题可复现，再讨论演化。
图能够被优化，不等于智能已经被解释。
- 评估器只是目标的近似；分数提高可能来自对评估规则的利用，而非能力真实提升。
- 模型版本、采样参数、工具可用性与数据变化都会影响比较，实验必须控制并披露这些条件。
- 更复杂的拓扑会增加成本、时延和失效路径；结构规模不是研究目标本身。
- 涉及权限、外部操作或高风险决策的系统，需要人类监督与明确的停止条件。
从定义与测量开始。
Nuclx 目前把重点放在图表示、执行轨迹和评估协议的设计上。只有在实验可复现、基线清楚并经过保留任务验证后，我们才会公开陈述结果。