AI / CYY
Long Graph：Agent 的动态架构
假设你设计了一个自动处理订单的流程：接单 → 检查库存 → 扣款 → 发货。
把 Long Graph 想成导航软件
传统工作流 = 纸质地图。路线画死了，前方封路你也不知道，只能停在那。
Long Graph = 高德导航。每一步它会判断：“这条路通吗？不通的话绕哪条？现在是这个方向吗，要不要掉头？”
三个核心能力
1. 条件路由：下一步往哪走，由 Agent 根据当前情况实时决定，不是事先写死的。
2. 原生循环：Agent 做完一步会检查——“这样行吗？不行我换个方法再来一轮”。就像你反复修改文章：写→读→改→再读→再改。
3. 状态管理：任务复杂了，Agent 要记住的不只是“做到哪了”，还有“哪些已经验证过了”“哪些失败了需要换个方式”。Long Graph 只保留关键信息，不重要的自动压缩——就像你写代码时只关心核心变量，不把每一行日志都记着。
解决问题：状态爆炸
Agent 做复杂任务时会产生巨量中间信息。如果全留着，上下文窗口很快就爆了。Long Graph 的做法：
- 定义固定模板：只保留核心变量（目标、进度、当前障碍）
- 智能截断：旧的对话压缩成摘要，不是粗暴地删掉
- 尤其保护：系统指令、最近几轮对话、当前任务目标——这些绝不能丢
相关
- Agent工作模式
- RAG机制