Engenharia de grafos para agentes de IA: de prompts e loops a fluxos de trabalho

Em meados de 2026, o fundador da OpenClaw, Peter Steinberger, publicou uma pergunta de doze palavras no X: “Ainda estamos falando de loops ou já migramos para grafos?”. A resposta veio do engenheiro Hamel Husain, com um artigo de título provocador: “Loop Engineering Is Dead. Enter Graph Engineering.” O que era uma dúvida de bastidor virou um dos grandes debates do ano sobre como construímos sistemas de IA.

Do prompt ao grafo: a evolução do controle

Para entender o que está mudando, vale olhar a escada de abstrações. Engenharia de prompt otimiza o que você diz ao modelo. Engenharia de contexto otimiza o que o modelo consegue ver ao responder — ambas ainda operam em uma única rodada. A engenharia de loops sobe um nível: dá ao modelo ferramentas, memória e capacidade de iterar, mas o controle continua dentro de uma única execução contínua, e é o modelo quem decide o próximo passo.

A engenharia de grafos muda quem está no controle. Em vez de deixar o modelo gerenciar o processo, você define antecipadamente os nós, a lógica de roteamento e os pontos de verificação. O modelo contribui com julgamento apenas nos passos que realmente exigem isso — é o grafo quem decide o que acontece em seguida.

Os três blocos fundamentais

Um grafo de agentes se resume a três peças centrais. O nó é uma unidade autocontida de trabalho — pode ser uma chamada de LLM, um passo de aprovação humana ou um cálculo determinístico simples. Nem todo nó precisa de modelo: verificar se uma fatura ultrapassa um limite de aprovação não exige LLM. A aresta decide o que acontece depois — e é daí que vem a maior parte da ideia de “grafo”: após um nó terminar, o trabalho segue em linha reta, se ramifica, ou se espalha em tarefas paralelas. O estado é o registro compartilhado que percorre o grafo, carregando a tarefa original, a pesquisa reunida e os vereditos de aprovação/reprovação.

Os cinco padrões que cobrem a maioria dos casos

Você não precisa de uma arquitetura sob medida para cada fluxo. A maioria dos fluxos de produção se resume a um punhado de padrões recorrentes:

• Encadeamento de prompts: a saída de um nó vira a entrada do próximo, como uma linha de montagem em que cada estação só toca o que a anterior entregou.
• Roteamento: decide qual caminho uma entrada deve seguir — como uma triagem hospitalar que envia cada caso ao especialista certo em vez de passar o paciente por todos os departamentos.
• Paralelização: útil quando várias tarefas independentes podem rodar ao mesmo tempo, como três analistas trabalhando em direção ao mesmo prazo.
• Orquestrador-trabalhadores: quando o trabalho precisa ser dividido, mas o número de tarefas não é conhecido de antemão — o orquestrador descobre as categorias primeiro e cria um trabalhador para cada uma.
• Avaliador-otimizador: um passo produz, outro avalia e devolve para melhoria, como um editor que devolve o rascunho ao autor com anotações específicas.

Por onde começar (sem gastar nada)

Quando isso faz sentido, o instinto é correr para LangGraph, AutoGen ou n8n. O conselho do autor é o oposto: a estrutura importa mais que a ferramenta, e dá para testar em vinte minutos com uma folha em branco. O roteiro: defina a saída em uma frase; liste os cinco a sete trabalhos que um humano competente faria; desenhe as dependências (não a sequência); adicione um portão humano onde um erro custa caro; e rode o grafo manualmente, interpretando cada papel, um prompt por vez. Se o resultado manual não for visivelmente melhor que uma resposta de uma tacada só, não automatize.

A lição central: mais agentes não fazem automaticamente um sistema melhor. Às vezes, entregam cinco agentes confiantes chegando à mesma resposta errada. O objetivo não é o maior grafo que você consegue desenhar — é o menor que corta latência real, separa o verificador do executor, mantém um humano no circuito onde erros custam caro e sabe quando parar.