Yohei Nakajima (autore di BabyAGI) ha pubblicato un paper su ActiveGraph, un’architettura per agenti che parte dal log invece che dal modello di linguaggio. Nella maggior parte dei framework l’agente è un loop conversazionale con strumenti, regole e un log aggiunto sopra per osservabilità. Qui il log append-only è la fonte di verità, il grafo di lavoro si ricostruisce deterministicamente dal log, e i comportamenti (funzioni, classi, routine LLM) reagiscono ai cambiamenti nel grafo emettendo nuovi eventi. Nessun componente dà ordini agli altri: tutto passa attraverso il grafo condiviso.

Questa inversione ti dà tre cose che i sistemi a memoria retrievale non danno: replay deterministico di qualsiasi esecuzione dal suo log, fork economici che ramificano un’esecuzione a qualsiasi punto senza rieseguire il prefisso condiviso, e lineage end-to-end da un obiettivo alto fino alla singola chiamata al modello che ha prodotto ogni artefatto. Se stai costruendo agenti che devono correggere se stessi, debuggare decisioni passate o partire da punti intermedi, questa struttura ti permette di farlo senza riscrivere l’infrastruttura ogni volta.

Il paper include un esempio di diligence la cui struttura causale completa si ricostruisce solo dal log. L’implementazione è open source (Apache 2.0) con demo riproducibile, replay deterministico, fork-and-diff e tracciamento del lineage. Se lavori con agenti complessi o vuoi capire come funzionano gli strumenti che usi, vale la pena guardare l’architettura: cambia cosa puoi ispezionare e cosa puoi riutilizzare.