AI 에이전트가 작동하는 구조를 설계하는 학문 — 프롬프트를 통해서가 아니다.

이것은 두 가지 절반으로 구성되어 있습니다:

지식 그래프 (Knowledge graphs)— 에이전트가 기억하는 것. 노드는 개체와 사실이며, 엣지는 시간과 출처(provenance)를 가진 관계입니다. 온톨로지 → 추출 → 융합 → 제공(serving). 태스크 그래프 (Task graphs)— 에이전트가 작동하는 방식. 노드는 작업(jobs)이고, 엣지는 실행 의존성입니다. 병렬 분산(Parallel fan-out), 별도의 검증기(verifiers), 중지 규칙(stop rule), 인간의 게이트(human gate) 등이 있습니다.

프롬프트 엔지니어는 모델의 단어를 조종했습니다. 루프 엔지니어는 반복을 조종했습니다. 그래프 엔지니어는 그 **토폴로지(topology)**를 조종합니다.

이 레포지토리(repo)는 Southeast University의 대학원 지식 그래프 과정 (npubird/KnowledgeGraphCourse, 4.4K★, 2019년부터 중국어로 강의됨) — 그리고 태스크 그래프 뒤에 있는 현대적인 에이전트 오케스트레이션 연구 — 를 오늘날 실제로 사용할 수 있는 형태로 변환했습니다.

git clone https://github.com/codejunkie99/graph-engineering.git
cp -r graph-engineering/graph-engineering ~/.claude/skills/

그런 다음 에이전트에게 빌드(

flowchart LR
A[1 범위(scope)] --> B[2 표현(representation)] --> C[3 온톨로지(ontology)] --> D[4 개체(entities)]
D --> E[5 관계(relations)] --> F[6 이벤트(events)] --> G[7 품질 게이트(quality gate)]
...

추출하기 전에 도메인을 모델링하세요. 저장하기 전에 융합하세요. 모든 단계에서 검증하세요.
지식 그래프는 트리플의 더미가 아니라 스키마를 가진 제품입니다.

• 삭제
  가짜 간선(fake edges): 화살표는 작업이 흐르는 경우에만 실제입니다. - 이
  다이아몬드: 분할 → 병렬 워커 → 분리된 검증자 컨텍스트 → 하나의 소유된 병합. - 이
  중지 규칙(stop rule) (Google DeepMind × MIT, 180가지 구성): 팀들은 작업이 분할될 때 약 80%의 승률을 보이며; 모든 팀 구성은 순차적인 작업에서 실패합니다. 작업의 형태가 결정합니다. - 이
  인간 게이트(human gate): 귀하의 승인은 실수가 되돌리기에 비싼 지점에 정확히 위치해야 합니다.

세부 정보: references/task-graphs.md

지식 그래프 부분은 东南大学《知识图谱》研究生课程 (Southeast University's graduate Knowledge Graph course)인 Prof. Peng Wang — npubird/KnowledgeGraphCourse의 독립적인 영어 증류본입니다. 모든 원본 강의 PDF는 중국어이며 원래 레포에 남아 있습니다; 여기에서는 재배포되지 않습니다. 태스크 그래프 자료는 Google DeepMind × MIT의 "Towards a Science of Scaling Agent Systems"와 Anthropic이 발표한 멀티 에이전트 엔지니어링 작업에서 가져왔습니다.

MIT 라이선스. @Av1dlive가 구축했습니다.