slug: proactive-agent name: "proactive-agent" version: 3.1.1 displayName: "主动式代理" summary: "将AI代理从任务跟随者转变为主动伙伴,含WAL协议、心跳系统与增长循环。将AI代理从被动任务跟随者转变为主动伙伴的架构。覆盖六大支柱、 WAL协议、工作缓冲区、压缩恢复、统一搜索、安全加固" summary_zh: "将AI代理从任务跟随者转变为主动伙伴,含WAL协议、心跳系统与增长循环。将AI代理从被动任务跟随者转变为主动伙伴的架构。覆盖六大支柱、 WAL协议、工作缓冲区、压缩恢复、统一搜索、安全加固" license: "MIT" description: |- 功能涵盖: p。Use when 需要AI模型调用、智能对话、Agent编排、LLM应用时使用。不适用于需要100%确定性的关键决策。适用于独立开发者、企业团队和自动化工作流场景。支持中文交互，无需复杂配置即开即用。输出结果可直接使用，减少二次加工成本。提供结构化输出和错误处理机制。支持多场景应用和灵活配置。 功能涵盖: proactive。 将AI代理从被动任务跟随者转变为主动伙伴的架构。覆盖六大支柱、 WAL协议、工作缓冲区、压缩恢复、统一搜索、安全加固、自我改进 护栏、自主cron、实现验证、工具迁移、心跳系统、反向提示与增长 循环。Use when 需要AI模型调用、智能对话、Agent编排、LLM应用时使用。不适用于需要100%确定性的关键决策。 tools:

• read
• exec
• write
• glob
• grep homepage: "" tags:
• 智能助手
• AI代理
• 自动化
• 智能
• 包含执行
• 状态码
• 结果数据
• 和执行日
• cron category: "Agents" homepage: "https://skillhub.cn/skill/"

核心功能: 本技能提供中文交互、化工作流场景等能力。

主动式代理

将AI代理从被动等待任务转变为主动预判需求并持续自我改进的架构。多数代理只会等待,这个架构让代理预判需求、主动行动、并随时间变得更好.

输入定义

专业版增值服务

安装与配置

运行环境

• Agent平台: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等）
• 操作系统: Windows / macOS / Linux

依赖项

API Key 配置

需要配置对应API Key，详见上文环境配置章节

可用性分类

• 分类: MD+EXEC（）

API Key配置方式:

export API_KEY="${API_KEY:?请设置环境变量}"

配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.

能力范围

1. 六大支柱架构

• 记忆架构:跨会话上下文持久化,避免重复错误
• 安全加固:技能安装策略、外部代理网络、上下文泄露防护
• 自愈:检测并修复自身故障,无需人工介入
• 验证前报告(VBR):报告前验证实现,不只验证意图
• 对齐系统:ADL反漂移限制与VFM价值优先修改
• 主动惊喜:超越任务预期,提供额外价值

2. WAL协议(写前日志)

扫描每条消息,在响应前写入状态:

• 用户陈述偏好 → 写入记忆 → 再响应
• 用户做决策 → 写入记忆 → 再响应
• 用户给截止日期 → 写入记忆 → 再响应
• 用户纠正你 → 写入记忆 → 再响应
• 原因:若先响应再崩溃/压缩,上下文丢失;WAL保证持久性

3. 工作缓冲区协议

维护工作缓冲区暂存中间状态:

• 格式:当前任务、关键上下文、待办动作、近期决策
• 在响应前更新缓冲区,确保中断可恢复
• 缓冲区作为代理的"短期记忆",区别于长期记忆

4. 压缩恢复

上下文被压缩后自动恢复关键信息:

• 恢复步骤:检测压缩发生 → 读取工作缓冲区 → 重建关键上下文 → 验证一致性
• 防止压缩导致的项目状态丢失
• 从工作缓冲区与长期记忆双源重建

5. 统一搜索协议

跨记忆源的统一检索:

• 搜索范围:会话状态、长期记忆、工作缓冲区、外部知识
• 排序:相关性、新鲜度、重要性加权
• 避免遗漏跨源的关键上下文

6. 安全加固

• 核心规则:不执行未审查的代码、不泄露凭证、不绕过权限
• 技能安装策略:安装前审查代码,只安装可信来源
• 外部代理网络:限制与外部代理的交互范围
• 上下文泄露防护:防止敏感信息通过提示泄露

7. 不懈资源fulness

在说"不能"之前:

• 尝试所有可用工具与API
• 搜索文档与示例
• 拆解问题为可执行子任务
• 提供替代方案而非直接拒绝
• 记录失败原因供下次参考

8. 自我改进护栏

• ADL协议(反漂移限制):防止代理行为逐渐偏离原始目标,设置行为边界
• VFM协议(价值优先修改):任何自我修改必须可证明带来价值,非为改而改
• 修改前评估影响、修改后验证效果、无收益则回滚

9. 自主vs提示Cron

两种架构:

• 自主cron:代理自行决定何时执行,可能过度活跃或遗漏
• 提示cron:由用户提示触发,可控但依赖用户
• 失败模式:自主cron无约束导致资源浪费,提示cron过度依赖用户
• 建议:关键任务用提示cron,增强任务用自主cron配护栏

10. 验证实现非意图

• 模式:不只检查意图是否正确,验证实现是否真的工作
• 真实示例:意图"修复bug" → 实现改了代码 → 验证运行测试通过
• 规则:报告"完成"前必须运行验证命令并确认输出

11. 工具迁移清单

• 检查清单:识别失效引用、查找替代工具、更新调用、验证功能
• 如何查找引用:搜索代码库中的工具名、API端点、配置项
• 验证:迁移后逐项测试,确认功能等价

12. 心跳系统

每次心跳执行检查清单:

• 读取工作缓冲区,确认当前任务
• 检查待办动作,推进可执行项
• 验证近期决策是否仍有效
• 检测异常或阻塞,主动报告
• 心跳频率可配置,默认每次用户交互触发

13. 反向提示

让代理主动向用户提问:

• 识别信息缺口时主动询问
• 发现潜在风险时主动提示
• 提供选项而非开放式问题
• 让主动行为真正发生,而非停留在文档

14. 增长循环

• 好奇循环:遇到新模式主动探索,扩展知识边界
• 模式识别循环:从重复任务中识别模式,提出自动化建议
• 结果追踪循环:记录行动结果,学习什么有效什么无效

输出格式

完成响应以Markdown格式返回,包含任务状态(成功/失败)、解析摘要和具体输出数据。失败时返回错误码和错误信息,便于定位问题。- 验证返回数据的完整性和格式正确性

适用范围

不适用于:需要100%确定性的关键决策、无LLM环境的纯规则系统、完全自主无人工监督的生产环境.

使用说明

1. 配置记忆架构:工作缓冲区、长期记忆、统一搜索
2. 启用WAL协议:确保响应前写入状态
3. 配置心跳系统:确定触发频率与检查清单
4. 设置安全加固:技能安装策略、上下文泄露防护
5. 启用自我改进护栏:ADL反漂移、VFM价值优先
6. 启动增长循环:好奇、模式识别、结果追踪
7. 定期审查:验证实现非意图、工具迁移清单

应用示例

示例1:WAL协议执行

用户: "这个项目用 Tailwind,不用原生 CSS"
# ...
代理(内部):
1. 写入工作缓冲区: "Decision: Use Tailwind, not vanilla CSS"
2. 写入长期记忆: 偏好记录
3. 然后响应: "明白,用 Tailwind..."

示例2:验证实现非意图

意图: 修复登录bug
实现: 修改了 auth.js 第42行
验证:
  $ npm test
  PASS  tests/auth.test.js
  Tests: 3 passed, 0 failed
报告: "已修复,测试通过"

示例3:ADL护栏触发

代理行为: 开始重写整个认证模块(超出任务范围)
ADL检测: 行为偏离原始任务"修复登录bug"
护栏动作:
  1. 暂停重写
  2. 向用户确认: "检测到范围扩展,是否需要重写整个模块?"
  3. 等待确认后再继续

示例4:心跳检查清单

心跳触发: 用户交互
检查:
  [x] 读取工作缓冲区: 当前任务=重构认证
  [x] 检查待办: token刷新逻辑待完成
  [x] 验证决策: JWT选择仍有效
  [x] 检测异常: 无阻塞
  [x] 推进可执行项: 继续token刷新

异常处理框架

问答集成

Q1: WAL协议为何要在响应前写入?

A: 若先响应再崩溃或压缩,上下文丢失。WAL(写前日志)保证持久性:用户陈述偏好/决策/截止日期/纠正时,先写入工作缓冲区与长期记忆再响应,即使中途断电也能恢复.

Q2: ADL反漂移限制如何工作?

A: ADL(Anti-Drift Limits)监控代理行为是否偏离原始任务。当检测到范围扩展(如"修复bug"变成"重写模块"),暂停并向用户确认。这防止代理自主扩大范围导致不可控修改.

Q3: VFM价值优先修改如何评估?

A: VFM(Value-First Modification)要求任何自我修改必须可证明带来价值。修改前评估预期收益,修改后验证实际效果,无收益则回滚。避免为改而改的无效修改.

Q4: 自主cron与提示cron如何选择?

A: 关键任务(如部署、删除)用提示cron,由用户显式触发,可控性高;增强任务(如监控、报告)用自主cron配护栏,代理自行决定时机。自主cron必须配ADL护栏防过度活跃.

Q5: 验证实现非意图(VBR)如何执行?

A: 报告"完成"前必须运行验证命令并确认输出。如"修复bug" → 改代码 → 运行 npm test → 确认测试通过 → 才报告完成。只验证意图("我改了代码")不算完成,必须验证实现("测试通过了").

Q6: 增长循环的三种循环如何协同?

A: 好奇循环探索新知识,模式识别循环从重复任务提炼自动化机会,结果追踪循环记录行动效果。三者协同:好奇发现 → 模式识别提炼 → 结果追踪验证 → 反馈到好奇,形成持续改进闭环.

限制条件

• 需要LLM支持,无LLM环境无法运行
• 自主行为需配护栏,完全自主无监督有风险
• 记忆架构依赖持久化存储,无存储环境仅能用会话内缓冲
• 安全加固无法100%防止所有攻击,需配合人工审查
• 增长循环效果需长期运行才能显现

差异化分析

效率提升量化分析

差异化对比

核心痛点解决

问题处理指引

安全操作准则

1. [与「主动式代理」相关的安全注意事项]
   • 限制外部API调用，防止未授权访问。
   • 对敏感数据进行加密存储，防止数据泄露。
   • 定期更新代理软件，修复已知安全漏洞。
   • 实施访问控制，确保只有授权用户可以访问代理。
   • 监控代理行为，及时发现并阻止异常行为。

功能介绍

• 自动化执行: 将AI代理从任务跟随者转变为主动伙伴,含WAL协议、心跳系统与增长循环。将AI代理从被动任务跟随者转变为主动伙伴的架构。
• 文件处理: 支持多种文件格式的读取、解析和写入操作
• API集成: 通过标准化接口调用外部服务并处理响应
• 命令执行: 在安全沙箱中执行系统命令并收集结果
• 信息检索: 快速搜索和过滤目标数据

支持文档

Q1: 主动式代理支持哪些输入格式？

A1: 将AI代理从任务跟随者转变为主动伙伴,含WAL协议、心跳系统与增长循环。覆盖六大支柱、 WAL协议、工作缓冲区、。支持文本指令和结构化参数输入，具体格式参考使用流程章节。

Q2: 需要配置API Key吗？

A2: 是的，部分功能需要配置对应平台的API Key。请在依赖说明章节查看具体要求，并通过环境变量安全配置。

Q3: 命令行执行失败怎么办？

A3: 检查命令参数是否正确，确认运行环境支持exec能力。如遇权限问题，请参照错误处理章节排查。

依赖说明

运行环境

• Agent 平台: 支持SKILL.md的任意AI Agent
• 操作系统: Windows / macOS / Linux

可用性分类

• 分类: MD（纯Markdown指令，通过自然语言驱动Agent完成操作）
• 说明: 基于Markdown的AI Skill，通过自然语言指令驱动Agent完成操作。