自迭代图工程

要解决的问题

传统 Agent 交互是「人给一步指令，模型执行一步」。人在回路时没问题，一旦离开，执行就停下。更麻烦的是：当我们说「反复优化直到达标」时，模型没有地方存放「达标」的定义、没有兜底的轮数上限，也没有机制让上一轮的偏差改变下一轮的行为。结果往往是看起来在循环，实际在空转。

awesome-graph-engineering 针对这一点，把模糊意图固化成一张可执行的图：检查点、质量门、循环反馈与终止条件全部显式定义，AI 从「被逐步驱动」变成「按图自主推进」。

四层能力演进

• 第一层 运行基座：上下文与记忆、工具与沙箱、权限边界、验证与反馈、编排能力。回答「AI 在什么环境工作、能调用什么、怎么知道做得对不对」。
• 第二层 执行路径：把模糊意图变成有 Checkpoint、质量门、HITL、失败回退与恢复点的路径。
• 第三层 自迭代循环：目标 → 执行 → 产出证据 → 评价 → 继续/修复/停止。关键区分：自动化是「输入→流程→结果」，自迭代是「接收目标→执行→产出证据→评价→发现偏差→调整→再执行」。
• 第四层 业务图：执行图（任务内分工/并行/审查/重试）+ 循环图（闭环间的产物、数据、目标与权力传递）。

五阶段工作流

1. 意图解构：评估复杂度（1-5 / 6-15 / 16+ 节点）、判断单 Agent 还是多 Agent、识别节点类型与依赖。
2. 执行图设计：定义节点（ID、类型、输入/输出 artifact、执行者、预估成本）、六种边语义（依赖/数据/控制/治理/循环/交接）、质量门、循环五要素（目标、评价函数、反馈入口、终止条件、最大轮数）、预算与恢复策略。
3. 可视化呈现：基于 assets/flowchart-template.html 生成离线 HTML 流程图，六种节点形状对应不同语义，用 show_widget 呈现。
4. 用户确认：AskUserQuestion 单轮最多 4 题，覆盖流程结构、目标边界、停止条件、预算。确认通过后才进入执行。
5. 按图执行：按拓扑序执行、过质量门、跑循环、管理多 Agent 生命周期、记录执行轨迹，并检测震荡/发散/停滞/空转。

适用边界与注意点

• 一个合格的自迭代循环必须同时具备：可持久化状态、独立评价机制、反馈入口、可控预算。缺一条就可能无限循环。
• 仅对多步骤且涉及循环收敛的任务、多 Agent 并行编排、或明确提到 loop/图工程等词时触发。单步改 typo、按已有计划直接执行、纯信息查询不会触发。
• 共 12 条红线自检：明确终止条件、循环必须有评价函数与反馈入口、必须有预算上限、不可逆操作必须有人工检查点、可视化必须先于执行、用户确认必须先于执行。
• 详细规范分散在 references/ 下四份文档（图设计原则、循环控制工程、图的健壮性、完整场景剧本），按需查阅。
• 它只负责执行图与循环结构本身的设计方法论，不重复其他技能的职责。