Apache Maka：以只追加事件日志为运行时的可审计智能体工作台

Apache Maka（孵化中）是一个面向智能体（agent）的高性能工作台，核心主张只有一句话：智能体做过的每一件事，都要留下完整记录。

它不是又一个聊天壳，而是一套「智能体运行时加客户端」的工程方案。本文基于项目 README 与公开说明，梳理其架构思路、工作机制、适用场景与局限。

它解决什么问题

智能体框架（harness）的存在只为完成任务，评价它只有两个尺度：完成了多少任务，花了多少成本。Maka 把这两个尺度公开化。

项目声称，会在同一个模型、同一个官方验证器（verifier）下，与其他框架做对比，并把逐任务的完整结果随每份报告一起发布在仓库的 docs/eval 目录。换句话说，它把「我们更好」改成了「请自己看每一道题的结果」。这种做法在智能体领域并不常见，因为多数项目只给出汇总分数。

核心架构：日志即运行时

Maka 最重要的设计是「日志即运行时」。每一条模型消息、每一次工具调用、每一个权限决定、每一次终止，都被写成一条只追加（append-only）的 RuntimeEvent。界面显示、下一轮提示词、崩溃恢复，都只是这份日志的投影（projection），而不是唯一的副本。

这个思路与事件溯源（event sourcing）一脉相承。好处有三点。第一，崩溃恢复变得简单：状态可以从日志重放。第二，界面与提示词不再各自维护一份状态，减少了不一致。第三，也是对智能体最有意义的一点：旧的工具输出可以退出下一轮提示词，却不会从日志里消失。长任务里，工具输出往往占满上下文窗口；Maka 允许把它们从提示词中裁掉以省 token，同时保留完整的审计证据。上下文管理与审计留痕这对原本矛盾的需求，被分到了两个不同的层。

单一运行时宿主

Maka 只有一个「运行时宿主」（Runtime Host），它是执行的唯一权威。桌面端、终端界面（TUI）与命令行（CLI）、评测（Eval）都是它的薄客户端。

评测只拥有实验本身与分数。这样的分层保证了：你在桌面上看到的行为，与评测里跑出的行为，来自同一套执行逻辑。评测结果因此更有可信度，不会出现「评测用一套代码，产品用另一套」的漂移。

本地优先与自带模型

会话、设置和运行记录都留在本机。Maka 不自带共享的模型账号，用户需要在「设置 → 模型」里添加 API、本地模型或受支持的账号连接，测试后选定默认模型。

应用会区分「已配置」「可发送」「实验性」三种连接状态，没有接入运行时的账号流程，不会被当作可用模型展示。这一点很务实：它不夸大兼容性。模型来源可以是云端 API、本地模型或兼容网关，因此对数据敏感的团队可以接本地模型，把代码与记录都留在内网。

工程与使用方式

从源码构建需要 Node.js 22.19 或更新版本、npm、Git，以及 ripgrep（运行时的 Grep 工具依赖它）。执行 npm ci 后运行 npm run dev 即可启动带热更新的桌面开发环境。

终端入口包括 TUI 与 CLI，可用 npm run cli:dev -- run 执行单个回合，并提供 --graph 选项来运行图式任务。点对点（Direct Peer 与 Peer Mesh）能力需要 Rust 稳定版 1.98 或更新版本和平台链接器。平台方面，macOS 为主，Windows 与 Linux 仍是预览状态。

对开发者与企业的实际影响

对个人开发者，Maka 的价值在于「可回看」。智能体改了哪个文件、执行了哪条命令、是谁批准的，都能在日志里找到，出错时不必靠猜。

对团队，这份日志可以直接成为代码评审与事故复盘的材料：权限决定被单独记录，意味着可以事后核对哪些高风险操作经过了人工确认。对平台与安全部门，单一运行时宿主意味着只需要审计一处执行入口，而不是分别审计桌面、命令行和评测三套逻辑。需要注意的是，这些好处依赖团队真正去读日志、管理日志，工具只提供了可能性。

项目状态与生态意义

Maka 属于 Apache 软件基金会孵化项目，最新的 Apache 发布版是 0.2.0（孵化中）。

官方发布物是经过签名的源码归档，其他渠道的安装包只是便利产物，开发构建不是获批的 Apache 发布。Apache 许可证（Apache 2.0）与基金会的治理流程，对企业采用是加分项：许可清晰，社区治理有章可循。

局限与风险

第一，README 没有给出具体的基准分数与成本数字，读者需要自己到 docs/eval 查看逐任务结果，本文不转述任何未经核实的数字。第二，项目仍处于孵化阶段，版本号为 0.2.0，Windows 与 Linux 为预览版，生产环境采用要留出验证时间。

第三，只追加的完整日志意味着磁盘占用与隐私问题：日志里会保存模型消息与工具输出，可能包含敏感内容，团队需要自己制定保留与清理策略。第四，所谓「更高性能」需要用自己的任务复现，公开基准不等于你的场景。

未来走向

「可审计的智能体」会越来越重要。当智能体能改文件、跑命令时，权限决定与每一步的因果链必须可追溯。

Maka 把这条链作为运行时的第一公民，而不是事后补的日志功能，这是它最值得关注的地方。如果评测的公开做法能被社区持续坚持，它也可能推动智能体框架之间建立更透明的比较习惯。