ESAA:基于LLM的软件工程中自主智能体的事件溯源

基于大语言模型（LLM）的自主智能体已从被动式助手演进为能够规划、通过工具执行动作并依据环境观察进行迭代的系统。然而，它们仍然易受结构性限制的影响：缺乏原生状态、长时程中的上下文退化，以及概率化生成与确定性执行要求之间的鸿沟。本文提出ESAA（Event Sourcing for Autonomous Agents）架构，它受事件溯源（Event Sourcing）模式启发，将智能体的认知意图与项目状态变更分离。在ESAA中，智能体只发出经验证的JSON结构化意图（agent.result或issue.report）；一个确定性编排器对其进行校验、把事件持久化到只追加日志（activity.jsonl）、应用文件写入效果，并投影出可验证的物化视图（roadmap.json）。该方案还包含边界契约（AGENT_CONTRACT.yaml）、元提示配置（PARCER）以及带哈希的重放验证（esaa verify），确保已完成任务的不可变性与取证可追溯性。两个案例研究验证了该架构：(i)一个落地页项目（9个任务、49个事件、单智能体组合）；(ii)一个临床仪表盘系统（50个任务、86个事件、跨8个阶段的4个并发智能体），两者均以run.status=success和verify_status=ok结束。多智能体案例研究展示了异构LLM（Claude Sonnet 4.6、Codex GPT-5、Antigravity/Gemini 3 Pro和Claude Opus 4.6）的真实并发编排，为该架构超越单智能体场景的可扩展性提供了实证依据。