Yohei Nakajima 发布 ActiveGraph — 以事件日志为核心的全新智能体架构
BabyAGI 的作者 Yohei Nakajima 发布了一项重要的新研究：ActiveGraph，一个以事件日志为核心的事件溯源反应式图运行时（event-sourced reactive graph runtime），专为长时间运行的、可审计的智能体系统而设计。
为什么这值得关注
大多数智能体框架围绕语言模型构建——对话循环优先，工具、规则次之，日志作为事后观察手段被「拧」在系统上，状态以可检索的「记忆」形式持久化。ActiveGraph 彻底反转了这一设计：追加写入的事件日志是唯一真相源，工作图是日志的确定性投影，行为（函数、类、LLM 后端例程或附加在类型化边上的逻辑）对图的变化做出反应并产生新事件。
没有一个组件直接指令另一个组件；所有协调通过共享图完成。
这一设计决策产生了三个检索摘要型记忆系统无法提供的特性：
- 确定性回放：从日志重放任意运行，每次得到相同结果
- 廉价分支：在任意事件处分叉出一个独立分支，共享前缀无需重新执行（不产生新 LLM 调用）
- 端到端血缘：从高层目标追溯到产生每个产物（artifact）的具体模型调用
技术实现
ActiveGraph 是 Apache-2.0 开源项目，支持 pip install activegraph 直接安装。它定义了一套精简的事件类型（生命周期、图变更、行为执行、LLM 请求/响应、工具调用等），所有对象类型和关系类型由用户自由命名，无需注册中心或模式枚举。
最独特的原语是关系行为（relation behavior）：将逻辑附加到图边上，边本身可以订阅事件并响应——这种「带逻辑的边」在智能体框架中极为罕见。随附的 Diligence 参考包统一定义了对象类型、行为、工具、提示词和策略，并通过录制的固定数据提供字节确定性的开箱体验。
ActiveGraph 目前是 v1.2.0（稳定版），支持 SQLite 和 Postgres 事件存储、FalkorDB 图后端、Prometheus/OpenTelemetry 指标采集。BabyAGI 的自主智能体循环已用三个反应式行为在共享图上重建。
对智能体经济的影响
当智能体需要审计、暂停恢复、假设检验和协作追溯时，以日志为中心的设计比当前主流的对话内存式架构更适合生产环境。ActiveGraph 的「可分支、可差分、可重放」能力为解决智能体系统中最棘手的可验证性问题提供了全新的工程基础。