摘要
本文提出 ActiveGraph 运行时,颠覆了以语言模型为核心的传统代理框架。该系统以只增事件日志为唯一事实来源,工作图作为日志的确定性投影,行为通过响应图变化触发。此设计实现了传统检索记忆系统无法具备的三大特性:基于日志的运行确定性重放、无需重新执行共享前缀的低成本分叉,以及从高层目标到具体模型调用的端到端谱系追踪。文章阐述了其架构与确定性契约,并探讨了该基底对自我改进型智能体的独特适用性。
AI 推荐理由
提出基于事件日志的记忆架构,核心解决状态持久化、可重放及分支管理问题。
研究机构
Untapped Capital
activegraph.ai
论文信息