AI Agent项目为什么都偏爱JSONL格式？ 如果你看过一些 AI Agent 项目源码的话，你就会发现无论是日志、记忆存储还是工具调用记录，这些 Agent 几乎都采用了 JSONL 格式，我自己写的几个 Agent 也都采用了这种格式。很多人可能会纳闷了：JSONL 是什么？难道 JSON 不香吗？ 先说说什么是 JSONL，它全称是 JSON Lines，本质上是“每行一个独立 JSON 对象”的文本格式，行与行之间用换行符分隔，不需要像传统 JSON 那样用大括号包裹整个数组。这种看似简单的结构，恰好解决了 Agent 场景的核心痛点。 Agent 采用 JSONL 背后是开发者对 Agent 运行特性的精准适配，藏着最接地气的工程智慧。 AI Agent 的本质是“一直在跑”的程序，思考、调用工具、环境交互产生的数据都是流式的，一行一条往外蹦。传统 JSON 需要攒成大数组等任务结束再写入，一旦中途崩溃，整个会话记录就会丢失，内存中挂载的巨大对象还会让 Agent 越跑越慢。而 JSONL 每行都是完整 JSON 对象，来一条写一条，追加式写入无需等待，哪怕下一秒程序挂掉，前面的记录也完好无损，重跑时按行读取就能完美恢复状态，天然契合 Agent 长时间运行的需求。 调试体验更是 JSONL 的加分项，Agent 调试本就是难题，用 JSONL 可以直接用 grep、tail、head 等命令行工具快速过滤某次工具调用、查看最后十步思考过程，效率拉满。换成嵌套大 JSON，就得写脚本导入解析、层层取字段，繁琐又耗时。这种轻量级检索能力，让开发者能更快定位问题，缩短迭代周期。 容错性也是关键优势，Agent 通常要处理模型输出不稳定的情况，JSONL 中单行格式异常不会影响其他行的读取，避免了因局部错误导致整个数据集不可用的风险。这种“坏一行不影响全局”的特性，为 Agent 的稳定运行提供了兜底保障。 说到底，JSONL 的流行不是开发者刻意标新立异，而是它精准匹配了 Agent 流式生成、长时间运行、高容错的核心场景。
