超级智能体的主动性：6A框架与主动协助研究

1995年，Michael Wooldridge和Nicholas Jennings在《Intelligent Agents: Theory and Practice》中，将自主性、交互能力、反应性和主动性列为智能体的四项基本特征。其中，主动性意味着智能体能够围绕目标主动开展工作，这一研究方向在三十年前就已成为智能体领域的核心议题之一。

如今，大模型驱动的智能体已经具备理解指令、调用工具、完成多步骤任务的能力，但多数系统仍需人类先发现问题、提出任务，才能交付AI处理。行业对智能助手的期待也随之升级：在未收到新指令时，智能体应能主动识别值得推进的工作，并自主启动处理流程。

这项能力对长程任务的持续推进至关重要。当任务周期长达数天甚至数周时，初始指令很难覆盖后续所有变化——信息可能缺失、原定方案可能受阻、已完成安排也需重新核查。此时，智能体需要主动澄清疑问、寻找替代方案、调整计划，才能减少人类反复检查进度、补充指令的负担。

支持主动行为的研究脉络：持续感知、预测、目标维护和介入选择，都有早于大模型的研究基础。

以研究者的会议出行为例：若会议延长一天，返程航班会早于会议结束时间，且酒店免费取消期限恰在当晚截止。助手需自行发现这些安排的冲突，核对调整条件，准备方案，并及时提出需要研究者确认的事项——而这些复杂的后续变化，很难通过初始指令提前全部写明。

对于未来的超级智能体，主动性应与智能、对齐能力并重。智能体的智能关乎理解、推理与执行能力，对齐关乎行为符合人类意图与价值，而主动性则要求智能体自主判断什么值得做，并承担发现、发起工作的责任。只有同时具备这三类能力，智能体才能成为可靠的长期协作伙伴。

当前，前沿实验室正围绕主动智能体展开探索：Meta将Muse定位为能围绕人类目标主动提供帮助、持续推进工作的个人智能体；OpenAI的dots支持跨对话跟进任务，还能从获准读取的信息中主动挖掘与既有工作相关的新情况。学术界方面，清华大学等机构的Proactive Agent研究如何根据情境预测任务，在无明确指令时主动提供协助；香港中文大学等机构的ProAgent则利用可穿戴设备获取环境信息，推断日常活动需求并调用工具支持。

这些探索共同面临的核心问题是：如何发现需求、选择值得开展的工作，并持续推进。来自多所高校和机构的研究者在相关研究中提出了6A分析框架，梳理了主动智能体的核心机制、评测方法及13个应用领域，帮助理解现有系统并思考未来方向。

在行程改期的场景中，智能体自行发现工作依赖于六项相互配合的能力：状态感知负责核对新通知与已有安排，更新对行程的理解；预判用于判断变化带来的后续影响；目标管理选择并持续跟进值得推进的工作；介入判断决定当前适合推进到哪一步；执行将决定转化为可理解的协助；反馈调整则从结果与反馈中优化后续工作。

6A框架的家庭情境说明：各项能力如何相互影响，执行结果和人的反馈可以修订之前的理解与安排。

该研究考察了13个应用领域，包括个人协助、编码、图形界面操作、信息获取、具身机器人、安全、自动科研、智能家居、智慧城市、医疗、法律、教育、娱乐与媒体、农业。不同领域中，主动发现工作需求的逻辑存在差异：编码领域需从代码、测试与反馈中发现未指派的问题；自动科研系统围绕研究者给定方向提出假设、选择实验；家庭场景的主动协助则常与日常规律相关，如提醒被遗忘的设备操作、预测供暖需求等。

论文考察13个应用领域，右侧的家庭情境描绘未来方向：人设定目标，智能体持续发现需求、安排工作，并接受人的审核和反馈。

跨领域比较呈现出三个趋势：基础模型与领域专用方法共同承担工作，部分智能体开始负责多环节流程，反馈的可靠程度与验证成本影响持续改进。不过，在所调查的系统中，长期维护既定职责仍有发展空间，智能体自主修订更高层目标的能力尚未成熟。

评测主动智能体的能力需从三个层面展开：任务层面检查智能体是否能完成行程调整等核心目标，机制层面验证其识别通知、预测冲突等环节的准确性，用户层面则关注人类在核对方案、纠正错误时的时间投入与操作便利性。除短期测试外，跨周、跨月的长期测试也很重要，可检验智能体是否能沿用偏好、恢复中断工作、重新查证过时信息。

三层评测将工作结果、产生行动的机制，以及人的使用体验联系起来，人的审核与纠正投入也是主动协助的成本。

在科学研究这类长程任务中，下一步往往取决于新发现，隐藏的约束可能让原方案失效，甚至暴露新的研究问题，这要求智能体具备主动察觉问题、提出新目标的能力，无需等待人类指令即可推进工作。主动性也为智能体的自我进化提供方向：它能从未被满足的需求、异常与自身失误中发现能力瓶颈，主动决定学习方向，而学习所得又会反哺情境理解、预测、目标选择与介入判断。

不过，智能体自主产生的目标与能力更新需接受监督：人类需能检查、纠正其行为变化，支持回退操作，同时通过授权与安全约束，确保智能体的发展符合人类价值。

走向超级智能体的过程中，智能、对齐与主动性需共同发展。具备这些能力的智能体，有望成为可靠的长期协作伙伴：持续发现值得做的工作，在未知问题前提出探索方向，在实践中改进自身。这将减少人类反复监控环境、补充指令、调整计划的负担，让人类有更多精力决定研究方向与目标，探索尚无现成答案的问题。