智能体时代的图介导大语言模型系统：推理、知识、检索、执行与协调

图在大语言模型（LLM）系统中发挥着日益重要的作用，为结构化推理、知识锚定、检索和记忆提供支持。随着这些系统向智能体时代演进，图还用于组织执行依赖关系和多智能体通信，将中间观测结果及保留的信息与后续决策联系起来。然而，要理解图的贡献，就需要区分每项图操作的功能、负责其计算的组件，以及其输出的后续用途。本综述提出了一种操作级的角色—位置分类体系，涵盖推理、知识与证据、检索与记忆、执行以及协调。我们比较了图观测结果和外部计算如何引导决策、记忆表示及更新如何支持后续任务，以及依赖关系如何约束执行和信息传递。这些比较区分了局部指标的改善与下游任务性能，同时保留了结果报告时所依据的条件。随后，我们将基准、比较设计、过程诊断和系统成本整合为一个评估框架。最后，我们指出了自适应计算与停止、记忆维护以及依赖感知恢复方面尚待解决的挑战。本综述为判断图机制何时有用，以及评估其在不同组件和阶段中的影响提供了基础。