核心 GUIDE
Loop vs Graph
当一个 Controller 能够拥有 Iteration 与 State 时，应优先使用 Agent Loop；只有显式 Branch、Join、Specialized Responsibility 或 Independent Recovery Boundary 能创造可测量价值时，才引入 Graph。
核心心智模型
Loop 在一个 Control Boundary 内重复 Decision 与 Action；Graph 则显式创建多个 Control Boundary，并定义 State、Ownership 与 Evidence 如何在 Node 间流动。Graph Structure 应跟随 Dependency Structure，而不是跟随架构潮流。
为什么重要
Multi-agent / Workflow Framework 很容易画出复杂 Graph，但每个 Node 与 Edge 都会增加 Coordination、State 与 Recovery Cost。因此 Loop-vs-Graph 是 Delegation 之前的上游决策。当 Dependency 并不要求 Graph 时，选择更简单结构通常更可靠，也更容易 Attribution Failure。
01
从 Dependency 与 Control Need 决定结构
从一个 Bounded Loop 开始。只有 Task 真的需要 Branch、Independent Execution、Verified Join、Different State Scope 或 Separate Recovery 时才升级为 Graph。每增加一个 Node，都定义 Owner、Input/Output Contract、Retry Scope 与 Completion Evidence，并持续与更简单 Loop Baseline 对比。
02
示例：线性 Research Task 过早拆成五个 Agent
团队把线性 Research Workflow 拆成 Planner、Searcher、Summarizer、Critic 与 Coordinator 五个 Agent，但每个 Stage 都必须等待上一步，因此 Graph 只增加 Handoff，没有真正 Parallelism 或 Independent Recovery。改回带显式 Phase 的 Single Loop 后更便宜、更易 Debug；只有真正 Parallel Evidence Collection 才再引入 Graph Node。
常见失败模式
- 用多个 Node 表示角色标签，而不是真正独立 Control Boundary。
- Workflow 仍严格 Sequential，却额外加入 Coordinator。
- 只让不同 Graph 互相比较，却不保留更简单 Loop Baseline。
工程启发
- 从 Bounded Loop 开始，新增 Graph Structure 前要求 Evidence。
- 只有 State、Recovery 或 Parallel Dependency 真正不同的地方才增加 Node。
- 为每个 Graph Boundary 定义 Contract 与 Retry Scope。
关键结论
- 01Graph 由 Control Boundary 证明，而不是由 Role 数量证明。
- 02紧耦合 Iterative Work 默认更适合 Loop。
- 03Topology 必须相对 Baseline 赚回 Coordination Cost。
阅读记录
这里只记录你真实做过的动作，不代表掌握、熟练或认证。
用于这些学习路径
这个 Concept 会在多个 canonical 学习路径中复用。
来自 Knowledge Graph 的相关知识点
这些关系直接来自 canonical graph，不维护第二套 Guide 分类体系。