JCS Studio

Seu Carrinho (0)

Seu carrinho está vazio.

Subtotal $0.00

Graph Engineering: a engenharia de grafos como novo paradigma dos agentes LLM

Graph Engineering: a engenharia de grafos como novo paradigma dos agentes LLM

Publicado em 25/08/2026 18:35 | Categorias: Artigos

Uma equipa alargada de investigadores, com nomes ligados à University of Illinois Urbana-Champaign e à Sichuan University, publicou em Agosto de 2026 um levantamento sobre aquilo a que chamam Graph Engineering, a engenharia de grafos aplicada a agentes baseados em modelos de linguagem. O artigo está disponível no arXiv sob o número 2608.21156 e acompanha um repositório público no GitHub, o Awesome-Graph-Engineering, que reúne os trabalhos mais relevantes dos últimos três anos. A tese central é que depois do modelo, da prompt e do contexto, o próximo nível de inteligência artificial já não se constrói dentro de um agente único, mas entre agentes.

Os autores enquadram a evolução da área numa sequência de paradigmas. Primeiro veio a engenharia de prompts, para extrair capacidades do modelo... depois a engenharia de contexto, para gerir a informação que chega ao modelo, e a seguir... seguiu-se a engenharia de harness, o esqueleto determinístico que envolve o LLM com ferramentas, verificações e cálculo numérico fiável. E ainda, mais recentemente,  a engenharia de loops, que permite reflexão contínua e auto-melhoria. Cada etapa resolveu uma limitação da anterior... mas todas partilham um ponto cego: otimizam o agente individual.

É aqui que entra o conceito de System Intelligence, a inteligência de sistema. Quando uma tarefa exige conhecimentos heterogéneos, subtarefas interdependentes, execução paralela, verificação independente e estado persistente, nenhum agente isolado consegue acompanhar, por melhor que seja o seu contexto ou o seu harness. A resposta não é aumentar o agente, é distribuir a inteligência por vários agentes especializados e coordená-los ao nível do sistema. Essa capacidade de organizar múltiplos componentes inteligentes num todo coerente que persegue um objetivo partilhado é o que os autores designam por inteligência de sistema.

O instrumento proposto para essa coordenação é a estrutura de grafo. Em vez de um ciclo imperativo onde um agente repete pensar-agir-refletir até terminar, um sistema desenhado com grafos declara explicitamente nós, que representam agentes ou funções, e arestas, que representam o fluxo de controlo e a comunicação. Um objeto de estado partilhado circula ao longo dessas ligações. O workflow deixa de estar implícito no código e passa a ser uma topologia visível, editável e aditável.

A honestidade intelectual obriga a notar que nada disto é totalmente novo. Grafos de estado, máquinas de estados e workflows declarativos existem há décadas na ciência da computação, e a comunidade de agentes já usava representações em grafo muito antes deste artigo, desde grafos de conhecimento a arquiteturas multi-agente com planeador, programador e revisor. Frameworks populares já tratam o pipeline do agente exatamente como um grafo dirigido. Esta contribuição não é inventar a ideia, é sistematizá-la: recolher três anos de trabalho disperso, dar-lhe um nome comum e propor uma agenda...

Essa sistematização também tem críticas legítimas. Separar loop engineering do lado individual e graph engineering do lado multi-agente é, do ponto de vista formal, discutível: um loop descreve dinâmica temporal e um grafo descreve estrutura relacional, são dimensões ortogonais e sistemas reais precisam das duas ao mesmo tempo. Um agente único pode internamente ser um grafo, e uma equipa de agentes pode operar em ciclos. Há ainda um problema emergente: quando um agente lança sub-agentes e mantém estado partilhado, deixou de ser um agente? E multiplicar agentes não garante ganho de desempenho, duas instâncias podem criar apenas separação organizacional sem qualquer independência epistémica real.

Para quem constrói produtos, a leitura prática é que se o agente falha em tarefas longas porque perde o fio, mistura responsabilidades ou não consegue auditar decisões, o problema provavelmente não é o prompt nem o modelo, é a ausência de estrutura explícita. Tornar o fluxo de trabalho num grafo dá-te rastreabilidade, pontos de verificação e a possibilidade de trocar componentes sem reescrever tudo. É a mesma razão pela qual a indústria abandonou scripts monolíticos por pipelines declarativos!

O que há a reter daqui é que a discussão saiu definitivamente do agente solitário e passou para a arquitetura de sistemas. Quem trabalha com agentes em produção faria bem em ler e explorar o repositório de apoio, porque a terminologia que ele propõe tende a tornar-se o vocabulário comum da área.

Novidades no Blog

Inspiração, novidades e ideias da JCS Studio.

GPT-6.2 Astra
Imagem gerada por I.A.

GPT-6.2 Astra

Publicado em 18/11/2026 11:49

Depois de alguns testes com o GPT-6.2 Astra a conclusão que se retira não combina muito com o ruído que...

Ler Mais
O debate sobre o banimento da superinteligência artificial
Imagem gerada por I.A.

O debate sobre o banimento da superinteligência artificial

Publicado em 17/11/2026 10:11

A cena política em Washington mudou drasticamente após as eleições de novembro, mas a verdade é que qualquer debate sobre...

Ler Mais
NCM: Quando a memória não é o gargalo
Imagem gerada por I.A.

NCM: Quando a memória não é o gargalo

Publicado em 17/11/2026 09:25

O hype em torno do novo modelo NCM da Stanford e Together AI tem sido inevitável, e confesso que, assim...

Ler Mais
Claude Fable 5.2: Análise do novo modelo da Anthropic
Imagem gerada por I.A.

Claude Fable 5.2: Análise do novo modelo da Anthropic

Publicado em 10/11/2026 10:40

Bem.. parece que estreou o Claude Fable 5.2, o novo modelo da Anthropic que promete ser o estado da arte...

Ler Mais
Yan Lecun e os Modelos do Mundo: Desafio ao Scaling de LLMs
Imagem gerada por I.A.

Yan Lecun e os Modelos do Mundo: Desafio ao Scaling de LLMs

Publicado em 05/11/2026 10:35

Em seguimento ao artigo anterior.. eis mais uma das investigações mais interessantes em inteligência artificial deste ano que poderá obrigar-nos...

Ler Mais
Weight Space Programming: Quando Modelos de IA Podem Ler e Escrever os Próprios Pesos
Imagem gerada por I.A.

Weight Space Programming: Quando Modelos de IA Podem Ler e Escrever os Próprios Pesos

Publicado em 05/11/2026 10:20

Uma das descobertas mais interessantes na investigação em inteligência artificial deste ano poderá mudar a forma como compreendemos e desenvolvemos...

Ler Mais
Quando a caixa preta da IA deixa de ser impenetrável
Imagem gerada por I.A.

Quando a caixa preta da IA deixa de ser impenetrável

Publicado em 02/11/2026 16:15

Deixei de acreditar que a caixa preta da IA era impenetrável. Esta semana passada, Nick Combra e a sua equipa...

Ler Mais
Inteligência Artificial e a Nova Era da Descoberta de Medicamentos
Imagem gerada por I.A.

Inteligência Artificial e a Nova Era da Descoberta de Medicamentos

Publicado em 02/11/2026 16:04

No final de outubro de 2026, a Anthropic anunciou a aquisição da Mithril Medicine, uma empresa composta por uma única...

Ler Mais

Abaixo encontra uma pequena lista de artigos relacionados com este tema..