deterministic-replay

本文提出了一种用于AI Agent系统的确定性重放方法，实现了可复现的调试与分析。

ActiveGraph是一个将append-only event log作为agent本身的事件溯源运行时，通过图投影实现确定性重放、分叉实验和端到端溯源，为长期可审计的agent系统提供新架构。

本文介绍ActiveGraph，这是一个运行时，它将仅追加的事件日志作为智能体系统的中央事实来源，实现确定性重放、廉价分叉以及从目标到模型调用的端到端溯源。

对Antithesis的深入探讨，这是一款针对大型分布式系统的多重宇宙调试器，提供确定性重放和故障注入功能，现已作为免费文章发布。

作者构建了一个用于Convex后端的确定性重放引擎，支持使用生产快照进行本地调试以及控制异常测试，正在寻求用户反馈。

该论文提出并评估了一类称为事件图基质的因果推理世界模型，通过确定性重放在类型化RDF事件日志上进行反事实查询，在多个基准上优于基线模型，同时保证了可检查性和可重放一致性。

LOOP技能引擎通过记录单次LLM驱动的执行，并通过参数化无分支技能进行确定性回放，实现了周期性AI代理任务99%的成功率和99%的代币削减，消除了随机性失效和高昂成本。