yoheinakajima/activegraph

它解决了什么问题

Active Graph 专为长运行的代理系统而设计，在这些系统中，可审计性、可追溯性以及恢复或分支运行的能力至关重要。它摆脱了基于聊天的代理架构（代理之间互相对话），转向一个共享工作区（图），其中行为会对世界状态的变化做出反应。这确保了每一次变更都记录在仅追加的事件日志中，使系统的历史完全透明且可重现。

运作原理

该框架作为一个事件溯源响应式图运行时运作。它维护一个仅追加的事件日志作为事实来源，而当前的世界状态则是该日志投影到对象和类型化关系图中的结果。

关键机制包括：

• 响应式行为 (Reactive Behaviors)：订阅特定事件类型或图模式（使用 Cypher 子集）并产生新事件的代码（函数、类或由 LLM 驱动）。
• 关系行为 (Relation-Behaviors)：直接附加在对象之间边上的逻辑，允许协调发生在关系上，而不是端点上。
• 分支与差异 (Fork-and-Diff)：能够在任何事件点将运行分支为独立的分支，修改配置，并在不重新执行共享前缀的情况下，对结果与父运行进行结构性差异比较。
• 套件 (Packs)：为特定领域量身定制的对象类型、行为和工具包。

目标用户

开发复杂、自主代理的开发者，这些代理需要高水平的可观测性、确定性重放，以及通过分支和差异化进行假设测试的能力。

亮点

• 事件溯源 (Event-Sourcing)：每一次变更都是一个事件，提供完整的审计轨迹。
• 确定性重放 (Deterministic Replay)：可以从事件日志中重新执行运行，并使用 LLM 重放缓存来降低成本。
• 可恢复与可分支 (Resumable and Forkable)：任何运行都可以在任何点进行分支，以测试不同的路径。
• 关系行为 (Relation-Behaviors)：一种用于图边协调逻辑的独特原语。
• 灵活的持久化 (Flexible Persistence)：支持 SQLite、Postgres 和 FalkorDB 作为后端。
• LLM 无关 (LLM Agnostic)：提供统一的 LLMProvider 协议，用于在 OpenAI 和 Anthropic 等提供商之间进行切换。