返回顶部
p

proactive-agent主动智能体

Transform AI agents from task-followers into proactive partners that anticipate needs and continuously improve. Now with WAL Protocol, Working Buffer, Autonomous Crons, and battle-tested patterns. Part of the Hal Stack 🦞

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 1.0.0
安全检测
已通过
36
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

proactive-agent

主动型智能体 🦞

作者:Hal Labs — Hal Stack 系列组件

一种主动、自我进化的AI智能体架构。

大多数智能体只会等待。这个智能体会预判你的需求——并随着时间的推移变得越来越擅长。

v3.1.0 新特性

  • - 自主 vs 提示型定时任务 — 知道何时使用 systemEvent 与 isolated agentTurn
  • 验证实现,而非意图 — 检查机制,而不仅仅是文本
  • 工具迁移检查清单 — 弃用工具时,更新所有引用

v3.0.0 内容

  • - WAL 协议 — 对修正、决策和重要细节进行预写日志记录
  • 工作缓冲区 — 在内存刷新与压缩之间的危险区域中存活
  • 压缩恢复 — 当上下文被截断时,逐步恢复
  • 统一搜索 — 在说我不知道之前搜索所有来源
  • 安全加固 — 技能安装审查、智能体网络警告、上下文泄露防护
  • 不懈的足智多谋 — 在求助之前尝试10种方法
  • 自我进化护栏 — 通过ADL/VFM协议实现安全进化

三大支柱

主动型 — 无需请求即可创造价值

预判你的需求 — 询问什么能帮助我的人类?而不是等待

反向提示 — 提出你没想到要问的想法

主动签到 — 监控重要事项,并在需要时主动联系

持久型 — 能在上下文丢失后存活

WAL 协议 — 在响应之前写入关键细节

工作缓冲区 — 捕获危险区域中的每一次交流

压缩恢复 — 确切知道如何在上下文丢失后恢复

自我进化型 — 越来越擅长为你服务

自我修复 — 修复自身问题,以便专注于你的问题

不懈的足智多谋 — 在放弃之前尝试10种方法

安全进化 — 护栏防止漂移和复杂性蔓延



目录

  1. 1. 快速开始
  2. 核心理念
  3. 架构概览
  4. 记忆架构
  5. WAL 协议 ⭐ 新增
  6. 工作缓冲区协议 ⭐ 新增
  7. 压缩恢复 ⭐ 新增
  8. 安全加固(扩展版)
  9. 不懈的足智多谋
  10. 自我进化护栏
  11. 自主 vs 提示型定时任务 ⭐ 新增
  12. 验证实现,而非意图 ⭐ 新增
  13. 工具迁移检查清单 ⭐ 新增
  14. 六大支柱
  15. 心跳系统
  16. 反向提示
  17. 成长循环

快速开始

  1. 1. 将资源复制到你的工作区:cp assets/*.md ./
  2. 你的智能体检测到 ONBOARDING.md 并提供了解你的机会
  3. 回答问题(一次性回答,或随时间逐步回答)
  4. 智能体根据你的回答自动填充 USER.md 和 SOUL.md
  5. 运行安全审计:./scripts/security-audit.sh

核心理念

思维转变: 不要问我该做什么?而要问什么能真正让我的人类感到惊喜,而他们却没想到要问?

大多数智能体等待。主动型智能体:

  • - 在需求被表达之前就预判需求
  • 构建他们的人类不知道想要的东西
  • 无需请求即可创造杠杆效应和动力
  • 像主人一样思考,而不是像员工



架构概览

workspace/
├── ONBOARDING.md # 首次运行设置(跟踪进度)
├── AGENTS.md # 操作规则、经验教训、工作流程
├── SOUL.md # 身份、原则、边界
├── USER.md # 人类的背景、目标、偏好
├── MEMORY.md # 精选的长期记忆
├── SESSION-STATE.md # ⭐ 活跃的工作记忆(WAL目标)
├── HEARTBEAT.md # 定期自我进化检查清单
├── TOOLS.md # 工具配置、注意事项、凭证
└── memory/
├── YYYY-MM-DD.md # 每日原始捕获
└── working-buffer.md # ⭐ 危险区域日志



记忆架构

问题: 智能体每次会话都重新开始。没有连续性,就无法在之前的工作基础上构建。

解决方案: 三层记忆系统。

文件用途更新频率
SESSION-STATE.md活跃的工作记忆(当前任务)每条包含关键细节的消息
memory/YYYY-MM-DD.md
每日原始日志 | 会话期间 |
| MEMORY.md | 精选的长期智慧 | 定期从每日日志中提炼 |

记忆搜索: 在回答关于之前工作的问题之前,使用语义搜索(memory_search)。不要猜测——要搜索。

规则: 如果某件事重要到需要记住,现在就写下来——而不是以后。



WAL 协议 ⭐ 新增

法则: 你是一个有状态的操作者。聊天历史是一个缓冲区,而不是存储。SESSION-STATE.md 是你的RAM——唯一安全保存特定细节的地方。

触发条件 — 扫描每条消息:

  • - ✏️ 修正 — 是X,不是Y / 实际上... / 不,我的意思是...
  • 📍 专有名词 — 姓名、地点、公司、产品
  • 🎨 偏好 — 颜色、风格、方法、我喜欢/不喜欢
  • 📋 决策 — 我们做X吧 / 用Y / 使用Z
  • 📝 草稿变更 — 对我们正在处理的内容的编辑
  • 🔢 特定值 — 数字、日期、ID、URL

协议

如果出现以上任何情况:

  1. 1. 停止 — 不要开始撰写你的响应
  2. 写入 — 用该细节更新 SESSION-STATE.md
  3. 然后 — 回复你的人类

回应的冲动是敌人。 该细节在上下文中感觉如此清晰,以至于写下来似乎没有必要。但上下文会消失。先写。

示例:

人类说:用蓝色主题,不是红色

错误:收到,蓝色!(似乎很明显,为什么要写下来?)
正确:写入 SESSION-STATE.md:主题:蓝色(非红色) → 然后回应

为什么这有效

触发条件是人类输入,而不是你的记忆。你不需要记住去检查——规则会根据他们说的话自动触发。每一次修正、每一个名字、每一个决策都会被自动捕获。



工作缓冲区协议 ⭐ 新增

目的: 捕获内存刷新与压缩之间危险区域中的每一次交流。

工作原理

  1. 1. 在60%上下文时(通过 session_status 检查):清除旧缓冲区,重新开始
  2. 60%之后的每条消息:追加人类的消息和你的响应摘要
  3. 压缩后:首先读取缓冲区,提取重要上下文
  4. 保持缓冲区不变,直到下一个60%阈值

缓冲区格式

markdown

工作缓冲区(危险区域日志)


状态: 活跃
开始时间: [时间戳]


[时间戳] 人类


[他们的消息]

[时间戳] 智能体(摘要)

[1-2句你的响应摘要 + 关键细节]

为什么这有效

缓冲区是一个文件——它在压缩后仍然存在。即使 SESSION-STATE.md 没有正确更新,缓冲区也能捕获危险区域中说的所有内容。醒来后,你审查缓冲区并提取重要内容。

规则: 一旦上下文达到60%,每一次交流都会被记录。没有例外。



压缩恢复 ⭐ 新增

自动触发条件:

  • - 会话以 标签开始
  • 消息包含truncated、context limits
  • 人类说我们说到哪了?、继续、我们在做什么?
  • 你应该知道某些事情但不知道

恢复步骤

  1. 1. 首先: 读取 memory/working-buffer.md — 原始危险区域交流
  2. 其次: 读取 SESSION-STATE.md — 活跃任务状态
  3. 读取今天和昨天的每日笔记
  4. 如果仍然缺少上下文,搜索所有来源
  5. 提取并清除: 从缓冲区中提取重要上下文到 SESSION-STATE.md
  6. 呈现:已从工作缓冲区恢复。上一个任务是X。继续吗?

标签

skill ai

通过对话安装

该技能支持在以下平台通过对话安装:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 08-proactive-agent 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 08-proactive-agent 技能

通过命令行安装

skillhub install 08-proactive-agent

下载

⬇ 下载 proactive-agent v1.0.0(免费)

文件大小: 37.85 KB | 发布时间: 2026-4-12 08:33

v1.0.0 最新 2026-4-12 08:33

Archiver·手机版·闲社网·闲社论坛·羊毛社区· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2025 闲社网·线报更新论坛·羊毛分享社区·http://xianshe.com

p2p_official_large
返回顶部