docs: 优化工作流文章排版，配图改用 SVG 格式

移除段落间多余的 --- 分隔线，将配图从 PNG 替换为 SVG，
新增 Graph 核心元素示意图。

Author: Snailclimb

docs/ai/agent/workflow-graph-loop.md

@@ -47,8 +47,6 @@ head:
 
 说到底，工作流就是把一次性的生成过程，变成一个**可迭代、可收敛、可控制**的系统化流程。
 
----
-
 ## 二、工作流是什么：从传统 Workflow 到 AI Workflow
 
 ![传统 Workflow 与 AI Workflow 对比](https://oss.javaguide.cn/github/javaguide/ai/workflow/traditional-vs-ai-workflow.svg)
@@ -74,8 +72,6 @@ AI 工作流与传统工作流的关键差异在于：路径选择依赖于运
 
 所以 AI Workflow 与传统 Workflow 的差异，不在于“有没有流程”，而在于它更强调动态决策和状态驱动。一旦我们想要表达“下一步不唯一”或者“不满意就再来一轮”，线性列表就不够用，自然会落到 Graph（结构）与 Loop（回溯）这两类概念上。
 
----
-
 ## 三、Graph（图）是工作流的结构表达（重要）
 
 沿用贯穿案例：假如我们要搭一条「生成初稿 → 质量审核 → 不达标则修改 → 再回到审核」的路径。这里每一步对应图的 **Node**，步骤之间的走向由 **Edge** 表达，整条链路读写的共享上下文就是 **State**。
@@ -121,8 +117,6 @@ AI 工作流与传统工作流的关键差异在于：路径选择依赖于运
 
 总之图结构比线性结构更贴近 AI 系统的真实形态，因为很多 AI 应用的控制流本来就是图，只是早期常被临时写成 `if-else`、重试逻辑或分散在不同模块里的状态机。
 
----
-
 ## 四、Loop 是 Graph 上的回溯能力（重要）
 
 在同一套「文章审核」里：**审核不通过**时，控制流不应结束，而应沿某条边回到「修改」或「重新生成」——这就是 Loop 在业务上的含义。技术上，它表现为图上的**回边（Back Edge）**。
@@ -150,8 +144,6 @@ AI 场景里，第二类通常更有代表性。因为“跑几次”往往不
 
 仍然放回文章审核的例子里，Loop 不只是“多试几次”，它是“审核结论驱动下一跳”。只有当评分未达标、且还没超过最大轮次时，流程才会从 `ReviewNode` 回到 `ReviseNode`；一旦达到阈值或触发边界条件，就应该退出并给出结果。这时我们看到的就不只是循环，而是一种可控的回溯机制。
 
----
-
 ## 五、概念整合：把 Workflow、Graph、Loop 串起来
 
 ![Workflow、Graph、Loop 三者关系概览](https://oss.javaguide.cn/github/javaguide/ai/workflow/workflow-graph-loop-relation.svg)
@@ -166,8 +158,6 @@ AI 场景里，第二类通常更有代表性。因为“跑几次”往往不
 
 这三者是同一件事的三个观察角度：Workflow 关注任务目标，Graph 关注结构组织，Loop 关注回溯控制。
 
----
-
 ## 六、从概念到实现：框架映射与代码示例
 
 前面建立了 Node、Edge、State 的概念模型，接下来看这些概念如何映射到具体的框架。以下以 Spring AI Alibaba Graph（Java 生态）和 LangGraph（Python 生态）为例。
@@ -345,8 +335,6 @@ public static CompiledGraph buildWorkflow(ChatModel chatModel) throws GraphState
 
 > 更完整的示例（包括人机协同、持久化、流式输出）可参考 [Spring AI Alibaba Graph 官方文档](https://java2ai.com/docs/frameworks/graph-core/quick-start/)。
 
----
-
 ## 七、工作流设计的分水岭：抽象能力
 
 ![高抽象与低抽象工作流对比](https://oss.javaguide.cn/github/javaguide/ai/workflow/abstraction-comparison.svg)
@@ -368,8 +356,6 @@ public static CompiledGraph buildWorkflow(ChatModel chatModel) throws GraphState
 
 ![Graph 核心元素：Node、Edge、State](https://oss.javaguide.cn/github/javaguide/ai/workflow/graph-core-elements.svg)
 
----
-
 ## 八、设计工作流时的注意事项
 
 真正把工作流落地时，问题往往不出在“图不会画”，而出在细节没有提前设计好。下面这些是实践里最常见的坑。
@@ -421,8 +407,6 @@ Loop 会自然放大 token 与延迟。设计时要提前思考：
 
 节点之间传什么、字段名怎么定义、结构化输出采用什么 schema，都应该尽早统一（例如统一用 JSON Schema 或 Pydantic 模型）。否则图一旦复杂，调试成本会急剧上升。
 
----
-
 ## 九、总结
 
 用这套视角看问题，工作流就不只是可视化画布上的箭头图，而是一种工程建模能力。常见演进方向包括：