Le journal est l'agent : graphes basés sur les événements pour des systèmes d'IA audités et bifurcables

Le nouvel article de Yohei Nakajima, Le Log est l'Agent, présente ActiveGraph — un runtime qui bouleverse l'architecture typique des agents. Au lieu d'une boucle de conversation avec un journal ajouté après coup, ActiveGraph fait d'un journal d'événements en ajout seul l'unique source de vérité. Le graphe de travail est une projection déterministe de ce journal ; les comportements (fonctions, classes, appels LLM ou logique sur des arêtes typées) réagissent aux changements du graphe et émettent de nouveaux événements. Aucun composant n'en instruit un autre — la coordination se fait via le graphe partagé.
Propriétés clés
- Relecture déterministe — toute exécution peut être rejouée à partir de son journal, reproduisant exactement l'état.
- Forkage à faible coût — bifurquer une exécution à n'importe quel événement sans réexécuter le préfixe commun. Utile pour l'expérimentation et le débogage.
- Traçabilité de bout en bout — de l'objectif de haut niveau jusqu'à chaque appel de modèle qui a produit un artefact, traçable à partir du seul journal.
Points forts de l'architecture
- Le journal d'événements est immuable ; le graphe est recomputé lors de la relecture.
- Les comportements sont attachés à des arêtes typées — ils réagissent aux changements du graphe et émettent de nouveaux événements, qui s'ajoutent au journal.
- Un contrat de déterminisme garantit que la relecture est fiable : avec le même journal, le même état du graphe est produit.
Pourquoi c'est important pour les développeurs d'agents
Les systèmes de mémoire par récupération et résumé (courants dans des frameworks comme LangChain ou BabyAGI) perdent l'historique exact. L'approche basée sur le journal d'ActiveGraph vous offre une reconstruction causale complète à partir du seul journal. L'article inclut un exemple de diligence où toute la structure causale est récupérable.
Open Source & Reproductible
L'implémentation est sous licence Apache-2.0. L'article promet une démo de démarrage rapide reproductible, une relecture déterministe, un fork-and-diff et une traçabilité des lignées. Il s'inscrit dans la lignée de BabyAGI et des recherches antérieures sur la mémoire par graphe.
Si vous construisez des agents qui nécessitent des pistes d'audit, du débogage ou des boucles d'auto-amélioration, cette architecture mérite d'être évaluée. La conception basée sur le journal est particulièrement adaptée aux agents qui doivent rejouer, bifurquer et tracer leur propre comportement.
📖 Lire la source complète : HN AI Agents
👀 See Also

Résumé de réunion sur un GPU 6 Go : qwen3.5:0.8B fonctionne en 57s, Granite 4 350M hallucine
VoiceFlow v1.6.0 ajoute l'enregistrement et le résumé de réunions en local. Benchmark de modèles sub-1B sur une RTX 3060 6GB : qwen3.5:0.8B produit des résumés structurés en 57s avec 2,2 Go de VRAM, tandis que Granite 4 350M hallucine gravement.

Le serveur MCP en mode contexte réduit l'utilisation du contexte de code Claude de 98 %
Le mode Contexte est un serveur MCP qui réduit la consommation de contexte de Claude Code de 315 Ko à 5,4 Ko en isolant les sorties d'outils dans des sandboxs. Il prend en charge 10 environnements d'exécution de langages et inclut une base de connaissances avec recherche en texte intégral.

Passerelle API x402 pour les Bots OpenClaw : Un Seul Point d'Accès Remplace 18 Clés API
Une passerelle API x402 élimine le besoin de multiples clés API dans les bots OpenClaw en fournissant l'accès à 18 services, dont un routeur LLM intelligent, la recherche web, les cartes, les voyages, la nourriture, l'IA et les données financières, via un seul point d'accès authentifié par des crédits de portefeuille USDC.

ToolLoop : Framework d'Agent Open-Source pour Outils de Style Claude avec N'importe Quel Modèle
ToolLoop est un framework Python open-source avec 11 outils pour les opérations sur fichiers, la recherche de code, l'accès au shell et des sous-agents qui fonctionne avec n'importe quel LLM via LiteLLM. Le framework de 2 700 lignes permet de changer de modèle en cours de conversation avec un contexte partagé.