主动式代理

将AI代理从被动任务跟随者转变为主动伙伴，支持WAL协议、心跳系统、自我改进和增长循环，提升自动化与持续优化能力。

核心功能: 本技能提供中文交互、化工作流场景等能力。

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

参数名	类型	必填	说明
input	string	是	主动式代理处理的输入数据或指令
options	object	否	附加配置选项,如模式选择、格式偏好等
callback_url	string	否	异步处理完成后的回调通知URL

专业版增值服务

能力	免费版	付费版
基础功能	支持	支持
复杂工作流可视化编排	不支持	支持
条件分支与异常重试	不支持	支持
定时触发与事件驱动	不支持	支持
执行日志与审计追踪	不支持	支持
分布式任务调度与负载均衡	不支持	支持

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

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由Agent内置LLM提供

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:

bash

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

场景	输入	输出
上下文持久化	用户偏好/决策	WAL写入记忆+响应
压缩恢复	检测到压缩	从缓冲区重建上下文
自我改进	行为偏差检测	ADL护栏触发+VFM评估
主动监控	心跳触发	待办推进+异常报告
工具迁移	失效工具引用	迁移清单+替代方案

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

text

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

text

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

text

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

text

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

错误场景	原因	处理方式
上下文压缩后信息丢失	未启用WAL或工作缓冲区	启用WAL协议,确保响应前写入;压缩后从缓冲区恢复
自主cron过度活跃	无护栏约束	关键任务改用提示cron,自主cron配ADL护栏与频率限制
意图与实现不符	只验证意图未验证实现	执行VBR协议:报告前运行验证命令并确认输出
工具迁移后引用失效	旧API端点或工具名变更	执行工具迁移清单:搜索引用、查找替代、更新调用、验证
自我改进行为漂移	无ADL护栏	启用ADL协议设置行为边界,偏离时暂停并确认
VFM修改无收益	为改而改	启用VFM协议:修改前评估影响、修改后验证、无收益回滚
安全加固被绕过	未审查的技能安装	执行技能安装策略:安装前审查代码,只装可信来源

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

操作步骤	手动耗时	自动化耗时	时间节约	准确率提升
数据收集	2小时	30分钟	1.5小时	5%
数据处理	4小时	1小时	3小时	8%
报告生成	1小时	15分钟	45分钟	3%
任务分配	30分钟	5分钟	25分钟	2%
系统监控	2小时	30分钟	1.5小时	5%

差异化对比

对比维度	本技能	手动操作	Python脚本	专业软件
功能丰富度	高	低	中	高
易用性	高	低	中	高
自动化程度	高	低	中	高
成本效益	高	低	中	高
扩展性	高	低	中	高

核心痛点解决

痛点	描述	影响范围	解决方案	量化效果
重复性工作	需要大量重复性操作，效率低下	整体工作效率	自动化处理	时间节约20%
人工错误	人工操作容易出错，影响准确性	数据准确性	自动化验证	准确率提升10%
系统集成困难	不同系统间集成困难，影响协同工作	系统协同效率	提供API接口	整体效率提升15%

问题处理指引

错误现象	可能原因	诊断步骤	解决方案
代理无法启动	配置错误	检查配置文件	修正配置
代理响应延迟	网络问题	检查网络连接	修复网络连接
代理无法访问外部API	API Key错误	检查API Key	重新配置API Key
代理行为异常	代码错误	检查代码	修复代码
代理无法保存数据	数据库问题	检查数据库连接	修复数据库连接

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。