编程基础篇 · 树与图：AI 的主场

图：从知识图谱到多 Agent 协作

上一课的树规矩得很：每个节点只有一个爹，永远不绕圈。可现实世界的关系乱多了——你的朋友互相也是朋友，公司和学校和人搅在一起。把「每个节点只能有一个爹」这条规矩撕掉，树就升级成了图：节点 + 关系，想怎么连怎么连。这一课看图在 AI 世界的两大主场。

主场一 · 知识图谱：点一下，看知识扩散

下面是一张迷你知识图谱：圆点是实体（人、公司、学校、产品），连线是关系。点击任意一个节点，看它的关系怎么一圈圈扩散出去——留意扩散的「跳数」：一跳是直接认识的，两跳是「朋友的朋友」。

人物 公司 学校 产品 👆 点节点试试
还没有点过节点。试试点「雷军」——看两跳之内能扩散到哪些知识。
AI 回答复杂问题，靠的就是这种「多跳」。「雷军母校的知名校友还有谁？」——没有任何一段资料直接写着答案，但沿着图走两跳（雷军 → 武汉大学 → 陈东升）就拼出来了。知识图谱把散落的事实连成网，RAG 检索到一个节点后还能顺藤摸瓜，这叫图检索增强（GraphRAG），比单纯搜文本能回答更绕的问题。
主场二 · 多 Agent 工作流：为什么必须是 DAG

现在让一队 Agent 合写一份调研报告。每个方框是一个任务，箭头表示「必须等前面的完成才能开工」。点「运行」，留意两件事：没有互相依赖的任务会同时亮起（并行）；每个任务都要等它的箭头来源全部变绿才动工。然后点「制造环」再运行一次，看看会发生什么。

7 个 Agent 待命中。黄色 = 正在干活，绿色 = 完成。
「有向无环图」（DAG）不是黑话，是常识：任务的依赖箭头有方向（先后），而且不能绕成圈——一旦有环，就成了「你等我、我等他、他等你」的三角债，谁也开不了工。所有多 Agent 编排框架在你提交工作流时都会先做一次「查环」，查出来直接拒绝运行，就是为了避免你刚才亲眼看到的死锁。
把两课串起来
🌳

树是图的「乖孩子」

树也是图，只是加了两条家规：每个节点只有一个爹，且不许绕圈。所以上一课的文件目录、AST 都可以用图的算法来处理——图是更大的那把伞。

🕸

图 = 节点 + 关系

就这一个公式。社交网络（人 + 关注）、地图导航（路口 + 道路）、知识图谱（实体 + 事实）、Agent 工作流（任务 + 依赖）——只要你能说出「谁和谁有关系」，就能画成图。

✅ 这一课想和你分享的