@rogerer
这恰恰是和 workflow 不同的思想的设计，可能我前面没表达的清楚
workflow：比较固定的路径
agent loop + ReAct 太自由，全靠 llm 智商，目前在开放任务表现一般，而且有些私域或者内部流程是有固定限制和流程的，模型再聪明也需要门控
我这种设想的思想就是在 langgraph 上再高一层的抽象，不仅是语法糖写法的不同（边代表的更多，协议优先等）
和 gpt-5.5 pro/5.5 heavy 讨论中，有几句总结我觉得很适合表现这种预想的设计：
“Runtime 内核做薄，任务协议做厚，Graph 模板做稀疏，节点内部 agent 保持自由”

它不是 agent loop 那种纯自由的，也不是 workflow 那种固定的，是在一定的图/状态机/门控/harness 等工程限制下的自由，大概就是“限制在一定的流动范围和门控限制下，但是某些节点内它是自由的，可以随便 agent loop 的工具调用的自由的”

举个例子：一个 research 任务，你用普通的 agent sdk 比如就拿 cc/codex 去做它可能调 web search 工具查几轮网站，有时发现点什么还会进一步 web fetch 仔细看，然后开始总结
实际的高级 research 智能体：拆分任务、定证据标准、维护 evidence/gap 、来源校验、补证据、判断能不能 final 等等，这样才能达到更强的效果

@mwVYYA6
以后模型会不会智能到我上面举例的 research 任务不编排也能自己这样做不清楚，毕竟有的 harness 工程就是应该模型越智能越少的，目前测试下来就是很开放的专业的工作，让它自由 agent loop 效果一般。
但是有的不是模型变聪明就消失的：私域知识/行业组织规范/权限边界/安全策略/质量门槛/恢复策略，我觉得不能指望你贴一串 prompt 告诉它就能遵守，有的还是代码硬门控的（除非真的 AGI 了）？