AI EngineerActive Graph Agent Runtime (BabyAGI 4) — Yohei Nakajima：基于不可变事件日志的智能体架构
BabyAGI智能体架构不可变事件日志黑板系统自我改进AI Engineering
中文导读
BabyAGI 创造者 Yohei Nakajima 提出 Active Graph Agent Runtime，颠覆传统以 LLM 为中心的智能体设计，转而围绕不可变事件日志构建。该架构支持回滚、重放和分支，并通过策略、行为、可替换包实现灵活控制。核心洞察：AI 更擅长编写这种类 1970 年代黑板系统的代码，有望实现智能体自我改进。
核心观点
1.不可变事件日志作为智能体核心，所有动作和状态变更扁平化为类型化日志，天然支持回滚、重放和分支。（约 0:00）
2.LLM 不直接通信，仅通过共享状态交互，借鉴黑板系统和 Kafka 设计，降低耦合。（约 5:00）
3.行为层响应图变化并发出事件，策略层决定自主变更与人工干预的边界。（约 10:00）
4.可替换包（内存、工具、聊天）实现模块化，便于扩展。（约 15:00）
5.自我改进循环：分支智能体、提出补丁、沙箱测试、保留准确度提升的变更。（约 20:00）
中文精读
在主流智能体框架（如 LangChain、AutoGPT）中，LLM 是核心，记忆和日志是附加组件。Yohei Nakajima 的 Active Graph Agent Runtime 彻底反转这一设计：以不可变事件日志为基石，智能体的状态由日志投影出的图表示。这意味着回滚、重放、分支成为天然特性，而非事后补救。
该架构将智能体拆解为四个层次：不可变事件日志、图投影、行为层和策略层。行为层监听图变化并触发事件，策略层决定哪些变更需人工确认或一致性检查。LLM 之间不直接对话，仅通过共享状态交互——这一思想源自 1970 年代的黑板系统和 Kafka 的日志模型。
Nakajima 的直觉是，AI 模型在训练数据中见过大量类似代码（如事件溯源、CQRS、函数式编程），因此比现代智能体代码更擅长编写这种架构。这为智能体自我改进提供了可能：系统可以 fork 当前智能体，生成补丁，在沙箱中测试，若准确率提升则保留变更。
对于中文 AI 读者，该架构的价值在于：它提供了一种去中心化、可审计、可调试的智能体设计范式。事件日志的不可变性天然适合合规场景，而自我改进循环则指向持续进化的智能体系统。尽管目前仍是概念验证，但其设计思路可能影响下一代智能体框架。
下一集
CrabRAG：为什么自动化助手需要图记忆而非更多Token — Stephen Chin, Neo4j