Yohei Nakajima (auteur de BabyAGI) a publié un paper sur ActiveGraph, une architecture pour agents qui part du log plutôt que du modèle de langage. Dans la plupart des frameworks, l’agent est une boucle conversationnelle avec des outils, des règles et un log ajouté par-dessus pour l’observabilité. Ici, le log append-only est la source de vérité, le graphe de travail se reconstruit de manière déterministe à partir du log, et les comportements (fonctions, classes, routines LLM) réagissent aux changements du graphe en émettant de nouveaux événements. Aucun composant ne donne d’ordres aux autres : tout passe par le graphe partagé.

Cette inversion te donne trois choses que les systèmes à mémoire retrievable ne donnent pas : replay déterministe de n’importe quelle exécution à partir de son log, forks économiques qui ramifient une exécution à n’importe quel point sans réexécuter le préfixe partagé, et lineage end-to-end d’un objectif haut jusqu’à l’appel unique au modèle qui a produit chaque artefact. Si tu construis des agents qui doivent se corriger eux-mêmes, déboguer des décisions passées ou repartir de points intermédiaires, cette structure te permet de le faire sans réécrire l’infrastructure chaque fois.

Le paper inclut un exemple de diligence dont la structure causale complète se reconstruit uniquement à partir du log. L’implémentation est open source (Apache 2.0) avec démo reproductible, replay déterministe, fork-and-diff et traçage du lineage. Si tu travailles avec des agents complexes ou que tu veux comprendre comment fonctionnent les outils que tu utilises, l’architecture vaut le coup d’être examinée : elle change ce que tu peux inspecter et ce que tu peux réutiliser.