主动式智能体的难题：先行动，还要懂时机与分寸

2026年10月6日阅读约 3 分钟

导语：从“会回答”到“知道何时出手”

大多数 LLM 智能体仍以用户请求为起点：用户发问，系统检索、规划并执行任务。主动式智能体则试图把空闲计算资源转化为提前的支持，例如根据持续变化的环境状态准备信息、提醒风险，或在结果真正需要之前完成部分工作。

问题在于，主动并不等于有用。系统可能准确完成了一项任务，却误判用户当下的情境；也可能在错误的时间打断用户，让用户承担额外的检查和管理成本。长期来看，一次“做对但出手不合适”的干预，就可能削弱用户对智能体的信任。

论文将主动式智能体的目标概括为三个需要联合优化的原则：

这三个目标并非彼此独立。更早完成任务可能提高及时性，却也可能导致过时或未经授权的结果；增加干预深度可能提升自动化收益，同时增加误操作和审核负担。因此，评价主动式智能体不能只看答案是否正确。

研究用五个维度描述主动行为的选择：任务范围、预测提前量、激活触发条件、处理时机，以及干预深度。系统需要同时建模用户、环境和任务状态，再由基础 LLM 与智能体运行框架共同决定何时计算、计算什么，以及是否把结果呈现给用户。

这一视角也改变了系统架构的关注重点。主动式智能体不只是增加一个定时器或后台任务队列，而需要持续维护情境信息，并在“继续观察”“后台准备”“请求确认”和“直接执行”等动作之间做判断。对高风险任务而言，减少干预深度、保留人工确认，可能比追求完全自动化更合理。

为解决传统单轮基准难以衡量长期后果的问题，论文提出 Proactivity-Gym。该测试环境包含多日场景、有状态环境和带有不同人格特征的模拟用户，用于观察主动帮助如何影响后续交互，而不只是评价某一次输出。

研究对 23 组模型与智能体框架配置进行了评估，发现它们在 3T 目标上的表现存在明显差距。论文还指出，LLM 评审者容易把“任务做得好”与“用户值得信任”混为一谈。包含 30 名参与者的人类研究进一步说明，即便干预结果本身正确，只要与用户情境或预期不匹配，信任也可能快速下降。

这项工作把主动式智能体从“更积极地调用工具”提升为一个涉及时机、授权、成本和关系的系统问题。未来评测不应只问智能体完成了什么，还要追问它为什么此时行动、用户是否需要这项帮助，以及这次行动是否会改变下一次交互。

对开发者而言，Proactivity-Gym 所代表的多日、状态化评测思路，有助于暴露短期准确率掩盖的长期问题。对用户而言，真正成熟的主动式智能体，或许不是最常出手的系统，而是能把计算留在后台，并在恰当时刻以恰当深度介入的系统。