来源
- 原始链接：https://www.youtube.com/watch?v=UPwGaM2MKHY
- 来源类型：视频逐字稿
- 来源标题：日志就是 Agent
文本来源是 AI Engineer 频道视频《日志就是 Agent》的修复版中文稿。下面按汉松兴趣画像优先保留机制解释、反常识判断和可复用工作流，而不是做普通摘要。
开头可以先抓住一句：Ishaan Sehgal 主张，Agent 的真正身份不在模型、运行时或执行环境里，而在只追加的会话日志里。日志记录输入、输出、工具调用、权限、失败和状态转移，因此可以支撑恢复、扩展、分叉、协作、迁移与所有权。把日志当作系统的一等公民，而不是执行过程的副产品，是构建可靠 Agent 基础设施的关键。
一、日志定义与抽象反转
背景
演讲者用游戏存档类比 Agent 身份，提出 Agent 的核心不是模型或运行时，而是记录所有事件和状态转移的日志。模型上下文、UI、调试、审计和压缩都应被看作日志的投影。
压缩也是投影，后面我会讲到。但日志本身不是投影。日志是持久历史，所有这些投影都可以从它生成。现在，关于“日志就是 Agent”，有两个值得讨论的反对意见。我接下来就讲这两个。先从压缩开始。日志可以无限增长，但模型能看到的视图不能无限增长。上下文窗口是有限的。所以最终你确实需要把日志压缩成更小的表示，让模型能够推理。但关键点在于，压缩不是魔法，它也不会推翻“日志就是 Agent”这个主张。压缩是有损的。压缩后的摘要不能以更小形式完美复现 Agent 的状态。它实际上会丢弃信息。重点是，完整日志才是记录，而压缩只是它的一个投影。就像物化视图不是数据库，会话摘要也不是会话本身。
演讲者用游戏存档类比 Agent 身份，提出 Agent 的核心不是模型或运行时，而是记录所有事件和状态转移的日志。模型上下文、UI、调试、审计和压缩都应被看作日志的投影。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
二、外部状态、可靠性、扩展与迁移
背景
本段讨论 Agent 修改外部世界时日志的边界，并说明把日志作为原语之后，可靠性、故障转移、横向扩展、分叉、多用户协作和跨模型迁移会自然变成系统属性。
现在很多 Agent 基础设施的问题就在这里。今天大多数 Agent 运行框架都把日志当作事后才考虑的东西。Claude Code 和 Codex 会把这些混乱的 JSONL 文件写到本地磁盘；即使在 Claude SDK 模式下，这些写入也是发出后就不再确认，也就是说，如果因为某种原因写入失败，数据就没了。OpenCode 是另一个例子，它们把状态存在 SQLite 文件里，GitHub 上有很多 issue 都在讨论状态损坏和数据丢失。Durable Objects 往往最后会持有不同的分片，这让重建历史变得困难，也让跨会话查询变得困难。
本段讨论 Agent 修改外部世界时日志的边界，并说明把日志作为原语之后，可靠性、故障转移、横向扩展、分叉、多用户协作和跨模型迁移会自然变成系统属性。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
三、所有权与托管 Agent 架构
背景
演讲者强调最深的锁定是日志锁定，而不是模型、API 或工具锁定。Omnara 的托管 Agent 架构围绕会话日志组织工作进程、模型、工具和执行环境，让用户完整拥有、检查和控制 Agent 的历史。
工作进程推进循环，但工作进程不是 Agent，它只是执行器。它会调用模型服务商，拿到结果，把结果写回日志。然后如果模型服务商需要工具，它会把这些工具分发到正确的执行环境，让它们在其他地方完成。工具完成之后，结果会被追加回日志。然后一个工作进程，很可能是另一个不同的工作进程，会重建状态并继续。这一点非常重要，因为真实世界中的 Agent 系统必须以这种方式承受真实故障：工作进程会崩溃，机器会重启，沙箱会消失，工具调用会超时，服务商会失败，用户连接也会出问题。
演讲者强调最深的锁定是日志锁定，而不是模型、API 或工具锁定。Omnara 的托管 Agent 架构围绕会话日志组织工作进程、模型、工具和执行环境，让用户完整拥有、检查和控制 Agent 的历史。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
整体判断
这篇最值得保留的不是某个单点技巧，而是它把「日志就是 Agent」放进了更完整的工程框架里：日志定义与抽象反转、外部状态、可靠性、扩展与迁移、所有权与托管 Agent 架构。这些内容可以作为汉松后续写 AI 工程、Agent 系统和团队工作流时的素材。
更重要的是，它提供了一种判断 AI 系统的方式：先看问题如何被拆成状态、动作、工具、评估和人的边界，再看模型能力如何嵌进去。只有这样，视频里的做法才会从一次演示变成可迁移的方法。