Лог как агент: событийно-ориентированные графы для аудируемых, разветвляемых ИИ-систем

Новая статья Йохея Накадзимы, Журнал — это агент, представляет ActiveGraph — среду выполнения, которая переворачивает типичную архитектуру агентов с ног на голову. Вместо цикла диалога с дополнительным журналированием, ActiveGraph делает неизменяемый журнал событий единственным источником истины. Рабочий граф является детерминированной проекцией этого журнала; поведения (функции, классы, вызовы LLM или логика на типизированных ребрах) реагируют на изменения графа и генерируют новые события. Ни один компонент не дает указаний другому — координация осуществляется через общий граф.

Ключевые свойства

• Детерминированное воспроизведение — любой запуск можно воспроизвести из журнала, точно восстанавливая состояние.
• Дешевое ветвление — ответвление выполнения в любом событии без повторного выполнения общего префикса. Полезно для экспериментов и отладки.
• Сквозная трассировка — от высокоуровневой цели до каждого вызова модели, создавшего артефакт, прослеживается только из журнала.

Основные аспекты архитектуры

• Журнал событий неизменяем; граф пересчитывается при воспроизведении.
• Поведения прикреплены к типизированным ребрам — они реагируют на изменения графа и генерируют новые события, которые добавляются в журнал.
• Контракт детерминизма гарантирует корректность воспроизведения: при одинаковом журнале получается одинаковое состояние графа.

Почему это важно для разработчиков агентов

Системы памяти на основе извлечения и резюмирования (распространенные в таких фреймворках, как LangChain или BabyAGI) теряют точную историю. Подход ActiveGraph на основе журнала дает вам полное восстановление причинно-следственных связей только из журнала. В статье приводится пример due diligence, где вся причинная структура восстанавливается.

Открытый исходный код и воспроизводимость

Реализация лицензирована под Apache-2.0. В статье обещается воспроизводимый демонстрационный пример, детерминированное воспроизведение, ветвление с диффами и трассировка lineage. Она продолжает линию BabyAGI и предыдущих исследований графовой памяти.

Если вы создаете агентов, которым нужны аудиторские следы, отладка или циклы самоулучшения, эта архитектура заслуживает внимания. Дизайн на основе журнала необычайно хорошо подходит для агентов, которым необходимо воспроизводить, ветвить и трассировать свое собственное поведение.