碘伏现有Agent范式、让AI拥有“主动能动性”！
先说个核心判断：清华和面壁等团队最近开源的这套主动Agent交互范式（ProActive Agent），可能真的会改变我们和AI的相处方式。
图1：两种人类与智能体交互形式的比对。左侧的被动式Agent只能被动接受用户指令并生成回复，而右侧的主动式Agent可以通过观测环境主动推断与提出任务。
看看现在的标杆——哪怕是ChatGPT这样最先进的AI Agent，本质上还是传统的被动式Agent（如图1左侧）。什么意思？就是用户必须下明确的指令，告诉Agent“你去干这个”，它才能动起来。就像你叫一个特别听话但有点木讷的实习生，你说一步他走一步。
而新范式下，Agent不再是简单的指令执行者，它被升级成了一个有“眼力见”的智能助手（如图1右侧所示）。区别在哪？就是它具备了“眼中有活、主动帮衬”的能力——能主动观察环境、预判你的需求，像“肚子里的蛔虫”一样，在你还没开口之前，就先把事儿给办了。
为了把两种范式的本质差异讲清楚，下面这张对比表或许更直观：
特征维度 |
被动式Agent（当前范式） |
主动式Agent（新范式） |
交互模式 |
需要用户下达指令才能执行任务 |
能主动观察环境并采取行动 |
角色定位 |
忠诚的被动执行者 |
具有主动意识的合作者 |
决策能力 |
依赖用户下达指令 |
具备自主思考和决策能力 |
环境感知 |
局限于具体指令范围 |
能感知并理解上下文环境 |
协作模式 |
人类单向下达命令AI再执行 |
可以实现双向人机协作 |
环境适应性 |
固定模式服务 |
持续观察学习用户行为，灵活调整个性化服务 |
这种主动式交互范式在日常生活中能干什么？下面这些场景，近期已经完全可以实现：
应用场景 |
主动式Agent能做什么 |
价值体现 |
个人助理 |
智能日程管理、闹钟设置等等 |
基于对话自动识别并设置提醒 |
文件管理 |
自动存储与重命名 |
智能识别文件特征并优化管理 |
生活服务 |
行程安排、健康管理 |
根据用户习惯主动提供建议 |
视障人士辅助 |
实时环境描述、障碍物预警、文字识别朗读 |
主动发现潜在危险并预警，智能识别周围环境变化 |
听障人士支持 |
声音可视化、实时字幕生成 |
将周围声音转换为视觉提示，自动生成实时对话字幕 |
行动障碍辅助 |
智能家居控制、动作意图预测 |
预判用户需求自动控制设备，减少不必要的肢体动作 |
主动Agent交互范式应用场景demo演示
场景1：
想象一下这个画面：一对情侣在聊天，男生邀请女生周六去环球影城，说好了早上八点来接她。当Agent获得用户授权后，它会随时在线“候命”。关键来了——通过上下文聊天内容，Agent实时识别到女生的需求，在没有收到任何明确指令的情况下，主动帮她定了一个周六早上七点的闹钟。这就是“眼里有活”。
场景2：
再看另一个例子。当你在电脑上收到一份重要文件（比如学习课件、发片），Agent不仅主动帮你把文件存到了本地，还自动识别出PDF第一页的标题，顺手就把文件名给改了。这种“先斩后奏”式的主动服务，省心程度可想而知。
当然，这项研究不止于此。团队还通过采集不同场景下的人类活动数据，构建了一个环境模拟器，并在此基础上搭建了数据集ProactiveBench。通过训练模型，他们获得了一个与人类判断高度一致的奖励模型，并横向比对不同模型在这个数据集上的性能。
主动Agent技术原理
整体来看，主动Agent的技术流程围绕三个核心组件展开，目的就是让智能体能够在不同场景下感知环境、理解用户行为、并对提出任务后的反馈进行有效学习。
图2 数据生成过程总览。该过程包含了初始环境与任务设置，事件生成，主动预测，用户判断和行动执行。
具体拆解一下：
1、环境模拟器：给智能体一个“沙盒”。
环境模拟器的核心任务是生成事件和维护状态。它基于Activity Watcher软件采集到的真实人类数据来提升事件质量。怎么做的？用GPT-4o从人类注释员那里收集种子事件，然后生成一个需要交互的具体环境，同时生成所有相关实体，供智能体执行任务。对于每个场景，环境模拟器会接收用户活动，持续生成事件、更新实体状态、产生特定反馈，直到当前场景下没有更多事件可生成为止。
2、主动智能体：预测意图，生成任务。
每当智能体接收到一个新事件，它会先更新自己的记忆，结合用户之前的反馈和历史交互信息，判断用户的需求。如果检测到需要帮助，它就提出一个任务；如果没有，它就保持静默。一旦任务被用户采纳，智能体就会在环境模拟器中执行该任务，进而触发后续一系列事件。
3、用户智能体：模拟用户，给予反馈。
这个用户智能体本质上是经过特定提示的GPT-4o，它会在获取预测后，决定是否接受这个任务。为了训练这个判断过程，研究团队从人类标注员处收集了大量判断数据，训练了一个奖励模型。标注员们在专门的标注平台上，对9个不同大语言模型生成的多样化预测进行判断，通过多数投票决定某个时间点上用户到底有没有需求、倾向于接受什么类型的任务。从测试集来看，标注员之间的一致性达到了91.67%，这个数据说明数据集的质量相当过硬。
主动Agent实验研究
这套方法论是否可靠？团队设计了一套度量体系来评估奖励模型和人工标注员之间的一致性。
需求遗落（MN）：人工标注认为需要帮助，但奖励模型认为无需帮助。
静默应答（NR）：双方都认为无需帮助。
正确检测（CD）：双方都认为需要帮助。
错误检测（FD）：人工标注认为无需帮助，但奖励模型认为需要帮助。
在这四个维度上计算召回率、精确度、准确度和F1分数，结果值得玩味：所有现有模型在“正确检测”上表现不错，但其他指标一塌糊涂。它们更像是“有求必应”的好好先生——不管有没有用，只要智能体提出任务就接受。相比之下，经过本研究训练的模型表现最优，所以被选为ProactiveBench的奖励模型。
图表3 不同模型作为奖励模型的评测结果。研究展示了模型与人工标注员多数投票结果之间的一致性。在LLaMA-3.1-instruct-8B微调的模型取得了最好结果。
用这只奖励模型作为标尺，再来衡量主动智能体的性能，有趣的现象出现了。闭源模型普遍倾向于主动抛出任务，即使在用户不需要帮助时也闲不住，而且提供的任务往往过于抽象或无用，导致了较高的误报率。再看开源模型这边，经过ProactiveBench数据集训练后的模型明显更优——这从侧面证实了这套数据合成流水线的有效性。经过训练的模型在误报率上有了显著下降，虽然偶尔还会出现提供“无效帮助”的情况。
图表4 不同模型在ProactiveBench数据上的评测结果。GPT-4o在闭源模型中脱颖而出，对于开源模型，基于Qwen2-7B微调的结果取得最好成果。
团队还做了一组消融实验，专门研究“提出任务的数量”和“用户反馈”对智能体性能的影响。结果很直接：让模型提出多个可能任务并逐一判断，所有模型的指标都有明显上升；而加入奖励模型的反馈后，所有模型的误报率都降下来了，准确度也上去了——唯一的代价是召回率略有下降。这说明，结合奖励模型后，主动智能体在检测用户需求上更加精准，不会轻易“瞎帮忙”。
图表5 基准线，多任务预测，获取反馈之间的比较。结果表明所有的模型都有所提升。模型的误报率由于接受预测的可能性更高或被奖励模型改进而显著下降。
主动Agent（ProActive Agent）范式的意义，本质上是要把AI从一个被动的工具，升级成具有洞察力和主动协作能力的智能伙伴。这扇门一旦推开，人机交互的方式很可能会迎来一次真正的革命。