当 AI Agent 成为调用方，我们需要怎样的日志系统？
基于 UIUC 论文 AgileLog 的深度分析：当 AI Agent 成为流数据系统的一等公民，底层共享日志需要支持 forking。论文提出 Continuous Fork 新抽象和 Bolt 系统实现，通过 Diskless 架构、HLI、Tail-Only Updates、Lazy Tail Tree 四项技术实现廉价、隔离、可扩展的 fork。
存算分离
SlateDB: 面向对象存储重新设计的 RocksDB
SlateDB是基于Rust和LSM-Tree、专为对象存储设计的嵌入式KV数据库，解决RocksDB在远程存储场景下的局限性。
VLDB-2025 Best Industry Paper - Ursa: A Lakehouse-Native Data Streaming Engine for Kafka
Ursa是兼容Kafka协议的湖仓原生存算分离流引擎，通过将数据直接写入对象存储并内置Compaction服务，降低存储成本并支持高效分析。
KIP-1150 浅浅解读：聊一聊 Kafka社区的存算分离提案
KIP-1150提出Kafka存算分离架构，通过将数据存储至远程对象存储（如S3）并采用无Leader设计，降低跨可用区复制成本，提升可扩展性与成本效率。
AutoMQ 如何实现存算分离的 Kafka
AutoMQ是一款开源的，存算分离架构的Kafka发行版，目前在Github上有4.2kstar。AutoMQ是基于Kafka代码改的，只改了底层存储的代码，所以也天然兼容Kafka协议。AutoMQ的核心亮点就是存算分离，本文也主要介绍AutoMQ存算分离的实现。