@yoheinakajima:看看 http://activegraph.ai,把所有内容扁平化成一个单一的事件日志 :)
摘要
ActiveGraph 使用追加式事件日志为长时间运行的代理提供了一个持久、可回放的世界,支持分支、差异和谱系功能。
查看缓存全文
缓存时间: 2026/06/02 01:52
@mfpiccolo 查看 https://t.co/ufL9Ht0POv,将所有内容扁平化到单一事件日志中 :)
activegraph — 为长期运行代理打造的持久化世界
来源:https://activegraph.ai/ v1.0 · 开源 MIT · Python 3.11+
为长期运行代理打造的持久化世界。
一个共享的信念、任务、证据、决策和依赖关系图——基于仅追加的事件日志生成。可重放、分支和差异比较任意一次运行。
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不断指向的架构答案。
relation_behavior
差异化的原语。协调逻辑位于边缘——即意义所在之处——而不是在每个可能发出相关事件的节点上重复复制。
runtime.fork(at_event=…)
分支运行。共享前缀从缓存中重放。分支不会为已进行的 LLM 调用重新付费。
//通过你的 AI 助手试用
将这段内容粘贴到 Claude、ChatGPT 或你的编码代理中。
ActiveGraph 的设计目标是让代理和人类都能学习。文档、快速入门、追踪以及分支/差异原语为助手提供了足够的结构,使其能在几分钟内构建出实际可用的东西——不仅是代理可读的基础设施,而是一个代理可以拿起即用的基础设施。
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
事件日志就是代理。图就是它的世界。
ActiveGraph
将这些整合到一个基底中:一个仅追加的事件日志,投影成一个实时图。这个图就是代理的世界——存在什么、依赖什么、产出了什么、批准了什么、改变了什么、以及为什么改变。
最新动态
- 2026-05-25 论文 The Log is the Agent: Event-Sourced Reactive Graphs for Auditable, Forkable Agentic Systems↗ (https://arxiv.org/abs/2605.21997)
- 2026-05-25 公告 activegraph 1.0 — 通过可重放状态协调的代理↗ (https://x.com/yoheinakajima/status/2057099245430222926)
所有文章 → (https://activegraph.ai/blog)
//适合的场景
不是另一个代理框架。而是框架之下的世界。
带上你的模型、工具、提示和工作流程。ActiveGraph 为它们提供持久状态。
工作流建模计算。ActiveGraph 建模计算作用于其上的世界。记忆记住对话。ActiveGraph 保存信念、证据、矛盾、决策及其谱系。
ActiveGraph 是代理状态变为可检查基础设施的地方。
- 模型 推理与生成
- 工具框架 调用外部系统
- 工作流 排序工作
- 记忆 检索与回忆
- ActiveGraph 这一层 共享世界:对象、关系、事件、谱系、重放、分支、差异
//你能构建什么
循环无法提供的原语。
重放、分支、差异、谱系、边缘逻辑——一旦事件日志成为基底(而非调试工具),这些具体的事情就成为可能。
//研究基础
日志即代理。
ActiveGraph 在论文 The Log is the Agent: Event-Sourced Reactive Graphs for Auditable, Forkable Agentic Systems 中提出。核心主张是:事件日志不应该是调试工具。它应该是构建代理的基础。图是该日志的确定性投影——重放、分支、差异和端到端谱系来自于架构本身,而不是事后附加的审计层。
实际示例
- 01 编写一个行为。保存一次运行。从外部检查它。
- 02 在任何历史事件处分支运行。将结果与父运行进行差异比较。
- 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 复现。
//示例 · BabyAGI 重写
作为活动图的 BabyAGI。
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。状态存在于全局列表中。
这个重写将相同的循环表达为共享图上的反应行为。循环就是事件传播。图就是状态。 每一步都是一个订阅,而不是函数调用;追踪记录每次突变,并在运行后可查询。
这是一个在开源仓库中可下载并自行运行的示例——不是捆绑包。三个行为:initializer → executor → task_creator,通过事件连接。
三个行为。图自行排队;事件日志即顺序;空的后续任务列表终止循环。
相似文章
@yoheinakajima:我很激动地开源 Active Graph:一个事件溯源的反应式图运行时,用于长时间运行的智能体事件/日志等
Yohei Nakajima 开源了 Active Graph,这是一个基于事件溯源的反应式图运行时,用于长时间运行的智能体,提供持久化状态、分支与差异智能体运行以及完全可审计性,代表了智能体架构的新范式。
@yoheinakajima:试试这个提示:“分析 http://activegraph.ai、博客文章等,了解其声称的内容,验证它们,并写一篇…”
ActiveGraph 是一个用于长期运行代理的开源基础设施,使用事件溯源的反应式图来实现可审计、可分支、可重放的代理状态。它引入了用于代理协调和状态管理的新架构层。
@paulbettner: Active Graph 是我到目前为止遇到的最佳、最“正确”的知识/上下文引擎(我已经尝试或至少研…
Yohei Nakajima 发表了第一篇 arXiv 论文《The Log is the Agent: Event-Sourced Reactive Graphs for Auditable, Forkable Agentic Systems》,介绍了一种通过持久化可重放状态让代理协调的方法。
@yoheinakajima: https://x.com/yoheinakajima/status/2056847496668959038
ActiveGraph 引入了一个用于长期运行的人工智能代理的连续性层,基于 BabyAGI 的持久状态概念,以维护随时间推移的信念、依赖关系和行动的连贯且不断演变的模型。
@yoheinakajima: 这里有一个基于activegraph的深度研究代理,提供完整的声明、来源和代理活动图/追踪...
一个基于activegraph的深度研究代理,提供声明、来源和代理活动的完整图追踪。