try this prompt: “analyze https://t.co/ufL9Ht0POv, the blog posts, etc to understand its claims, verify them, and write a review of the project ending with a final verdict paragraph.” https://t.co/wEQAKp90g7

activegraph — 面向长期运行代理的持久化世界

来源：https://activegraph.ai/ v1.0 · 开源MIT · Python 3.11+

面向长期运行代理的持久化世界。

一个共享的信念、任务、证据、决策和依赖关系图——源自仅追加的事件日志。可回放、分叉和对比任意运行。

来自Yohei Nakajima（https://x.com/yoheinakajima），BabyAGI（2023）的创建者。activegraph是多年代理基础设施工作始终指向的架构答案。

relation_behavior

差异化的原语。协调逻辑存在于边缘——即意义所在之处——而非重复复制到每个可能发出相关事件的节点上。

runtime.fork(at_event=…)

对运行进行分支。共享前缀从缓存回放。分叉不会为已完成的LLM调用再次付费。

// 通过你的AI助手尝试

粘贴到Claude、ChatGPT或你的编码代理中。

ActiveGraph设计为既可供人类学习，也可供代理学习。文档、快速入门、跟踪以及分叉/对比原语为助手提供了足够的结构，使其能在几分钟内构建出真实的东西——不仅是代理可读的基础设施，更是代理可以上手使用的基础设施。

适用于任何能读取网页、安装pip包并运行Python的代理。

// 代理需要的不仅仅是记忆

事件日志即代理。图即其世界。

ActiveGraph

将以下内容坍缩为单一基底：一个仅追加的事件日志，投影为实时图。这个图就是代理的世界——什么存在、什么依赖什么、什么被生成、什么被批准、什么发生了变化以及原因。

最新动态

• 2026-05-25论文《日志即代理：用于可审计、可分叉代理系统的事件溯源反应式图》↗ (https://arxiv.org/abs/2605.21997)
• 2026-05-25公告 activegraph 1.0 —— 通过可回放状态协调的代理 ↗ (https://x.com/yoheinakajima/status/2057099245430222926)

所有文章 → (https://activegraph.ai/blog)

// 定位

不是又一个代理框架。而是其下的世界。

带上你的模型、工具、提示词和工作流。ActiveGraph为它们提供持久状态。

工作流对计算进行建模。ActiveGraph对计算作用于的世界进行建模。记忆记住对话。ActiveGraph持有信念、证据、矛盾、决策及其谱系。

ActiveGraph让代理状态变为可检查的基础设施。

1. 模型：推理与生成
2. 工具框架：调用外部系统
3. 工作流：排序工作
4. 记忆：检索与回忆
5. ActiveGraph这一层：共享世界：对象、关系、事件、谱系、回放、分叉、对比

// 你能构建什么

循环无法给你的原语。

回放、分叉、对比、谱系、边缘逻辑——一旦事件日志成为基底而非调试产物，就会成为具体的可能性。

// 研究基础

日志即代理。

ActiveGraph在论文《日志即代理：用于可审计、可分叉代理系统的事件溯源反应式图》中提出。核心观点：事件日志不应是调试产物，而应成为构建代理的基底。图是该日志的确定性投影——回放、分叉、对比和端到端谱系源于架构本身，而非事后附加的审计层。

工作示例

• 01编写一个行为。保存一次运行。在外部检查它。
• 02在任何历史事件处对运行进行分叉。对比结果与父运行。
• 03解释图中每个对象的来源——事件、行为、证据、LLM调用。

使用activegraph quickstart重现。

// 示例：BabyAGI 重写

BabyAGI 作为活动图。

最初的BabyAGI（Nakajima, 2023）是一个while-true循环，包含三个步骤：执行当前任务、根据目标总结、生成后续任务。状态保存在全局列表中。

这个重写将相同的循环表达为对共享图的反应式行为。循环就是事件传播。图就是状态。 每一步都是一个订阅，而非函数调用；跟踪记录每次变更，并在运行后可查询。

这是OSS仓库中一个可下载并运行的示例——不是捆绑包。三个行为：initializer → executor → task_creator，通过事件连接。

三个行为。图自队形；事件日志即顺序；空的后续列表终止循环。