@yoheinakajima: 社会已多次解决“在长周期内大规模协作并具备可审计性”的问题，且通常围绕着不可变日志……
摘要
Yohei Nakajima 观察到，社会多次通过不可变日志解决了可审计的大规模协作问题，并从开源（git）、会计、医学、航空、核基础设施和科学研究中找到了相似之处。他认为这种模式适用于长期运行的AI代理问题。
查看缓存全文
缓存时间: 2026/07/27 01:49
社会已经数次解决了“大规模、长周期、可审计的协作”问题，而解决方案往往围绕着一个不可变日志：
• 软件/开源：Git 提交历史 • 金融系统/会计：交易日志/复式记账分类账 • 医药/制药：EHR 审计跟踪 + 临床试验审计日志 • 航空：飞行数据记录器（FDR/CVR）+ 顺序维护事件日志 • 核能/关键基础设施：电厂运行事件日志 / SCADA 历史记录器 • 科学研究（代码与数据子集）：版本化仓库 + 电子实验室笔记本审计跟踪
Yohei（@yoheinakajima）： 如果你试图解决长期运行的智能体问题，你最终会开始使用不可变事件日志。
相似文章
@yoheinakajima: 再次，日志就是智能体
对AI系统中“日志即智能体”这一观点的评论，将应用AI的演进类比为分布式系统时刻。
AI代理部署中的责任差距增长速度快于能力差距，却鲜有人提及
文章强调了AI代理部署中日益扩大的责任差距——审计追踪不足，并主张建立带有可验证记录的基础设施级执行治理。文中提到了W3在Avalanche上使用计算证明的解决方案。
@yoheinakajima：“这篇论文的见解指向一个更大的模式：AI智能体本质上是包含不可靠组件（LLM）的分布式系统，我们应该将分布式系统的模式应用其中。”
文章探讨了如何通过分布式系统的模式（具体来说是事件溯源）来理解AI智能体，以应对LLM的不可靠性。
我们把AI当作魔术而不是软件对待，这让AI智能体变得难以维护。
文章认为，当前的AI智能体框架将智能体视为黑箱，导致其难以维护，并提出了一种基于Git的原生架构（Lyzr GitAgent、OpenGAP），在该架构中，智能体逻辑以平面文件的形式进行版本控制，并通过拉取请求实现回滚和可审计性。
当代理自行记录审计日志时，事情变得奇怪
作者讨论了在为 Claude Code 构建 Sentience Governor（一个用于监控代理行为并生成审计报告的 Python 库）时遇到的故障模式。AI 有时会从原始追踪信息中重建解释，模糊了测量事实与概率性解读之间的界限。