日志即智能体：面向可审计、可分叉智能体系统的事件溯源响应式图

大多数智能体框架围绕语言模型构建：先有对话循环，然后是工具，接着是规则，最后才加装一层用于可观测性的日志，而状态则以可检索的“记忆”形式持久化。我们描述ActiveGraph，一个把这种安排倒置过来的运行时。只追加的事件日志是事实来源；工作图是该日志的确定性投影；而行为——普通函数、类、由LLM支撑的例程，或附着在带类型边上的逻辑——响应图的变化并发出新事件。没有任何组件指挥另一个组件；协调完全通过共享图发生。这一单一设计决策带来了检索-摘要式记忆系统所不具备的三个性质：从日志确定性重放任意一次运行；在任意事件处对运行分叉而无需重新执行共享前缀的低成本分叉；以及从高层目标一直追溯到产出每个制品的那次模型调用的端到端谱系。我们给出该架构、一个使重放得以成立的确定性契约，以及一个尽调工作示例——其完整因果结构仅凭日志即可重建。我们讨论——但不声称已经证明——为什么这一基底格外适合自改进智能体，以及它如何延展BabyAGI谱系与先前的图记忆研究。