[AI]《What makes prompts a graph: necessary and sufficient conditions for prompt graph engineering》S Macedo [Federal Institute of Goiás] (2026)

在 LLM 应用领域，从单条提示词向复杂多步工作流的转型正处于术语混乱的困境。过去的方法受困于将流程硬编码在脚本或随机的智能体对话中，本质原因是缺乏对“结构”本身的显式定义，导致系统难以调试、版本化或系统性优化。

本文的核心洞见是：把提示词重新看作显式、可执行图中的计算节点。由此，通过确立“结构与内容分离”和“首等公民构件”等四项判定条件，使开发者能像操作数据流图一样，对提示词拓扑进行独立于文本内容的架构设计与自动调优。

这项工作真正留下的遗产是为提示词图工程（PGE）建立了严谨的分类学边界，将工程化的图结构与涌现式的对话区分开来。它为后来者打开了通往“工作流自动搜索”的大门，但尚未跨过的门槛是如何在预设的显式结构与高度灵活的动态演化之间找到最优平衡。

arxiv.org/abs/2607.27578 机器学习 人工智能 论文 AI创造营