返回资讯中心
外部精选
软件工程
#开发者实时流

用类型化图和类型检查提升数据质量与Agent工程可靠性

来源标题:Typed Graphs, Checked Types: Graph as Code for Agentic Engineering/Data Quality

类型化图(带明确数据类型、可检查验证的图结构)比普通图更适合Agent场景,能通过声明式定义让人类与Agent协作,并支持版本管理和单元、端到端等测试。随着自主系统和Agent增多,数据质量挑战加剧,图即代码加类型与检查可防止Agent把错误数据存到错误位置。

Hacker News 最新zazuke2026/11/10 · 7 天前30 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

图通常名声不佳:“图有什么用?”“没有 schema”。但也有一些时刻,图优于表和其他格式,而且 agent 非常喜欢它们。带类型的图,也就是附带了明确数据类型的图,帮助更大,尤其是当这些类型可以被检查和验证时。如果你能以声明式的方式定义它,这不仅有助于协作,为人和 agent 提供一个共同工作的场所,也有助于数据质量,因为你可以对它进行版本管理并大量运行测试(单元测试、端到端测试等)。

数据质量大概是二十年前数据领域最大、最具挑战性的问题,而如今随着更多自治系统和 agent 的出现,它正变得更加困难。问题变成了:我们如何可靠地构建和验证?这正是“图即代码”加上类型和检查能够发挥作用的地方——确保 agent 不会把错误的数据存到错误的地方。

但我们如何测试?过去,我们从业务用户或领域专家那里得到一个确认过的业务数字。他们要么从自己的 CRM、SAP 或其他运营应用中汇总出这个数字(有时是从他们的 Excel 表格里 😉)。或者,第二种最常见的情况是,人们基于 OLTP 关系数据库编写查询,得到经业务验证的数字,然后需要由 DWH 或分析团队复现。所以,作为起点,我们可以用这个数字,把它喂给 agent1。

无论我们如何测试,类型和检查始终是其中一部分,这就是为什么它们正在进入图,支持更多以“图即代码”方式进行的 agentic 工作,并提升整体一致性。

所以,让我们先从这个话题开始:为什么 agentic engineering 使用图,为什么它们如今因此流行,以及为什么上下文和知识层也构建在它们之上。

如果我们拉远来看,本质上只有三种数据形态2:

下面是我的公开 Second Brain 作为图的一个例子:651 条笔记、3,459 条 wikilink,通过一个小脚本从 Markdown 导出为 Orbit 渲染的快照格式。所有相互连接的链接如果用关系型或除图以外的任何格式来建模都会非常困难。你可以看到两个簇:数据工程和写作/Obsidian。每条边都是 links_to。在这个例子里,没有任何东西说明两条笔记为什么相连。关系是一等公民,但没有类型。

那么,为什么 LLM 和 AI 架构没有选择关系型(也就是表格)格式,或者简单的 JSON?

简单的原因不在于存储或 join,而在于检索。图把关系当作一等数据,因此检索方式与问题的形态相匹配。

当一个 agent 处理杂乱、异构的知识(人、文档、概念、决策、代码)时,它的问题通常是关系型的、开放式的。“什么和 X 相连?”“A 是如何导致 B 的?”“还有什么涉及这个概念?”图通过从起点出发遍历边来回答这些问题。SQL 则通过在查询时用 join 重建关系来回答。

图的优势很多。多跳遍历比在 SQL join 中用 CTE 包含数百张表要便宜得多。“表”的 schema 可以保持宽松,默认没有固定的表设计。边可以承载两个节点为何相连的含义,这对检索又很有帮助。经典的外键没有内置这一点。在那里,我们通常把它加到实体关系图上做可视化,但不会加到数据库或关系本身中。

用图进行检索,就变成先用混合搜索(向量 + BM25)找到一个入口点,然后将其邻域扩展为一个子图,模型可以把该子图作为上下文来阅读。

SQL 在聚合和结构化良好的记录方面仍然胜出,在类型安全、整体可靠性和一致性方面也是如此——随着 agent 的使用,这些对于保持数据质量变得越来越重要。

当 agent 同时是用户、工作流和操作者时,把 schema、查询和策略作为一个可检查的代码定义变得比以往任何时候都更重要。这正是带类型的图和带检查类型的“图即代码”弥合差距的地方。

SQL 的伟大之处在于它的声明式方法:你可以独立于引擎编写 SQL,引擎会找出最佳执行方式(查询计划)以及如何检索和返回表格数据。

但也有局限。Julian Hyde 在 Data Council 做了一个关于 Extending SQL for analytics 的演讲。他继续推进 Morel Language 的工作,加入了静态类型、单元测试等:

另外,Andy Pavlo 在 MAD Podcast 上说,他对图数据库(不是图本身)有强烈的看法:

这话是在讨论 OLTP 图引擎的语境下说的。他还说,普通 SQL 不是用于遍历的正确语言,这一点他也写在了 What Goes Around Comes Around… And Around…(SIGMOD Record, 2024)中:

在 Omnigraph 中,我们不构建关系型数据。我们构建的是与非结构化知识的连接。这就是为什么一个带有其上层语言的图,加上底层以文件结构存储的列式表3,对于知识用例非常有用。

所以,一个“基于图的存储格式”,而不是数据库,有助于上下文。图作为 agent 的模型、schema 和接口胜出,而不是作为存储引擎。

另一个例子是普通的 Postgres,它几乎在 19 版中发布了 GRAPH_TABLE(SQL/PGQ):已提交到 beta,然后在 2026 年 9 月因就绪性担忧而被回退,所以 19 版不带它发布,现在它是 PG20 的内容。但即使它落地,Postgres 也是一个通用数据库。如果你需要存储一些图状数据,它很好;但如果完整知识图谱和 agent 依赖图,就不够好了。

Gartner 在 2025 年的预测是:

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →