你让 AI Agent 帮忙修改项目。它读了哪些文件，执行过什么命令，又为何中途停下？如果最后只剩一句“任务失败”，复盘就像检查一位没有交接记录的同事。Apache 的开源项目 Maka 想补上这份工作日志：把 Agent 执行中的关键事件保存在本机，供界面展示、故障恢复和事后追查。
这里的 Agent，是能调用工具、分步骤完成任务的 AI 程序。Maka 则是一个 local-first Agent workspace——本地优先的 Agent 工作区，默认把会话、设置和运行记录留在用户设备上。需要先说明，本文事实均来自 apache/maka 仓库这一单一官方信源，尚无独立验证；“不可篡改”也超出了现有材料能够证明的范围。
日志不只是事后记录
Maka 最关键的设计，可以概括为一句话：Log is the Runtime，日志就是运行时。
Agent 工作时产生的模型消息、Tool Calls（工具调用）、Tool Results（工具返回结果）和 termination facts（任务如何结束的事实），都会进入 Runtime Event Log。会话列表、操作界面、下一轮发给模型的上下文，以及程序重启后的恢复状态，都从这份日志投影出来。
这与“任务完成后再写一份摘要”不同。后者可能遗漏失败步骤，也可能把细节概括掉。Maka 把事件记录放进执行主干：Desktop 桌面端、TUI——带菜单和面板的终端界面、非交互式 CLI——可由脚本直接调用的命令行，以及评测中的 Maka subjects，都通过同一个 Runtime Host 执行。
Runtime Host 是统一的执行中枢。它管理 Session、Turn、Agent 生命周期、续跑、工具和事件。评测模块 Eval 只负责实验规则与结果，不另造一套执行逻辑。这样，同一次操作从哪个入口发起，原则上都经过相同的权限、工具与记录机制。
模型可以忘，证据不必跟着消失
Agent 运行久了，上下文会越来越长。Maka 支持 Tool Result pruning 和 LLM Compaction：前者裁剪工具返回内容，后者压缩模型下一轮需要阅读的历史。可以把它理解为整理工作台，只留下眼前需要的材料。
但 Maka 特意区分了“模型接下来看到什么”和“系统已经记录过什么”。裁剪与压缩会改变下一次推理的上下文，却不会因此把已经写入的执行证据当作可随手丢弃的上下文。这一点很重要：为了节省模型输入而缩短对话，不应同时抹掉复盘任务所需的原始事实。
Maka 还提供 Read、Write、Edit、Bash、Glob 和 Grep 等本地工具，并在工具执行周围加入权限策略、参数 schema 校验、watchdog（监控任务是否失控或超时）、abort 和错误分类。日志因而不只记录 AI “说了什么”，也覆盖它实际调用了什么工具、得到了什么结果以及怎样终止。
为什么值得关注
Agent 一旦能读写文件、运行命令，评价标准就不能只看最终回答是否像样。个人和团队还需要知道：它做过什么，权限是否经过控制，失败后能否恢复，结果能否复查。
Maka 把这些需求放进同一个本地工作区。local-first 只表示数据默认保存在本机、主要操作优先在本地完成，并不等于绝对隐私安全。它的价值更具体：运行记录不必天然散落在多个远程服务和界面里，用户可以围绕同一份事件日志查看会话、工具时间线与恢复状态。
评测部分也沿用这种重视记录的思路。Maka Eval 能把声明式 multi-arm experiments——同时比较多种方案的实验——展开为“任务 × 重复次数 × 被测对象”的单元，并保存每个单元不可变的尝试记录。不过，仓库明确使用“immutable”的是这些 per-cell attempts，不能据此推断普通 Runtime Event Log 同样具备防篡改保证。
局限与未知
- 现有材料没有说明普通工作日志采用密码学签名、哈希链、WORM 存储或外部时间戳，因此更准确的说法是“以事件日志为事实来源、支持追查与恢复”，而非严格意义上的“不可篡改”。本机管理员是否能修改或删除日志，材料也未交代。
- macOS Apple Silicon Desktop 目前仍是 early public release。数据格式、CLI 命令和实验性能力都可能变化；Computer Use 尚未包含在首个公开版本中。
- 项目对日志投影、恢复和权限控制的描述来自官方仓库。其可靠性、性能开销及面对异常断电或恶意修改时的表现，尚缺少独立测试材料。