引言：一个三十年前就被提出的问题
1995年，两位AI研究者Wooldridge和Jennings写了一篇论文，题目很朴素：《智能体：理论与实践》。他们给"智能体"下了四个基本特征——自主性、交互能力、反应性，以及一个听起来不太起点的词：主动性（Proactiveness）。
主动性意味着，智能体不只是回答问题、执行指令，它还能自己发现值得做的事情，然后着手去做。
这个特征在当时看起来理所当然——一个真正的助手，当然应该主动发现问题。但接下来的三十年里，AI研究的重心几乎全部倾斜到了"智能"上：让模型更聪明、推理更准确、工具调用更熟练。至于"主动"，它一直安静地待在论文的定义里，没人真正把它做出来。
直到2026年10月。
一场迟到三十年的补课
10月中旬，一篇来自UIUC（伊利诺伊大学厄巴纳-香槟分校）、谷歌、斯坦福、UC Berkeley和CMU的联合综述《Proactive AI for Superintelligent Agents》（面向超级智能体的主动AI）正式公开。这篇综述引用了1410篇论文，深度分析了80项代表性工作，覆盖13个应用领域。
它要回答的问题很简单，也很深刻：一个能力很强的AI智能体，为什么仍然需要人来告诉它"该做什么"？
想想看。今天的AI已经能写代码、做研究、分析数据、操控软件。但几乎所有这些场景都有一个共同前提：你先发现问题，再发出指令。你是那个注意到"航班时间变了，酒店需要重新预订"的人，你是那个想到"这份报告的数据过时了，需要更新"的人。
AI做得越多，你越累——因为你不仅要管理自己的工作，还要管理AI的工作。
这篇综述的核心论点是：智能和对齐，是不够的。 走向超级智能体，还需要第三种能力。
第三块基石：什么是"主动性"
论文提出了一个优雅的框架来理解这个问题。
想象你给AI下达了一个指令：“帮我订下周去上海的机票和酒店。”
这条指令包含了很多东西：目标（订票）、约束（下周、上海）、资源和隐含的计划。但它也留下了大量没有说的部分：航班时间变了怎么办？酒店取消期限是什么时候？如果会议延长一天，返程航班要不要改？
论文把这些没有说的部分叫做**“残余决策空间”**——指令本身只决定了工作的一部分，剩下的空间就是主动性发挥作用的地方。
一个被动的AI会精确执行指令，然后等待下一步命令。一个主动的AI会在这个残余空间里自行判断：发现变化、预判后果、选择行动、把握时机。
这就是主动性。它不是"更聪明"，不是"更听话"，而是**“知道什么值得做，并且主动去做”**。
六个齿轮：主动性如何运转
论文最有价值的贡献是提出了6A框架，把主动性拆解为六个相互咬合的能力。
让我用一个生活场景来解释。
假设你让AI助手安排一次出差。以下是六个能力如何协作：
第一，感知（Awareness）——“现在发生了什么？”
AI持续追踪你的行程、邮件和日历。它发现了一条新通知：会议延长了一天。
这听起来简单，但背后是一整套状态管理和记忆系统。AI需要在多次对话之间维持对情境的理解，还需要主动获取信息——不是你去问它，而是它自己去查。
第二，预判（Anticipation）——“这会带来什么后果？”
会议延长一天，意味着原定的返程航班太早了。航班改签可能涉及票价差异。酒店的免费取消期限可能今晚就过了。
预判能力让AI不只是看到"变化"，还能推演出变化的连锁反应。它需要理解你的目标（参加完会议再回来）、理解外部条件（航班时刻、价格波动），然后把两者连接起来。
第三，议程（Agenda）——“哪些事值得做？”
发现了一堆潜在问题，但不是每个都需要立刻处理。AI需要决定优先级：先改航班还是先处理酒店？预算约束下选哪个方案？
这是从"发现问题"到"形成计划"的关键一步。
第四，裁决（Arbitration）——“现在该不该出手？”
这是6A框架中最独特的能力。AI需要回答四个问题：我确定吗？值得做吗？时机对吗？安全吗？
如果它不确定航班能不能改签，它应该先问你，而不是自己操作。如果现在是凌晨三点，也许等到早上再说。如果涉及不可逆的财务操作，可能需要你的明确授权。
论文强调，裁决能力的核心是"校准"——太主动会打扰你、做错事；太被动会错过时机、留下隐患。找到一个恰到好处的介入点，是主动性最难的部分。
第五，行动（Action）——“做到什么程度？”
即使决定介入，AI也需要把握分寸。它可以只是提醒你这个变化，也可以帮你准备好改签方案让你确认，还可以在授权范围内直接执行。
不同的自主程度适用于不同的场景。论文梳理了一条从"被动执行"到"混合倡议"再到"自主发起"的连续光谱，大多数现有系统位于中间位置。
第六，适应（Adaptation）——“做对了吗？”
行动结束后，AI需要反思：这次主动介入是对的吗？用户觉得有帮助还是被打扰了？下次遇到类似情况，应该更主动还是更谨慎？
快速的反思修正单次行为，长期的适应则调整AI整体的主动性水平——对不同用户、不同场景、不同类型的任务。
六个齿轮咬合转动，构成一个完整的主动性闭环。
从论文到产品：主动性浪潮来了
这篇综述发表的时间点非常微妙。就在同一周，AI行业正在经历一场"主动性"产品的集体爆发。
Anthropic发布了Claude Duet——一个独立的手机应用。它每天早上给你发一份简报，汇总你连接的邮箱、日历、Slack里最要紧的事。然后它会持续监控这些账户，发现需要你关注的事就主动来找你。你交办的任务，它在你关掉手机之后继续做。
关键设计：它不是一个等你提问的聊天框，而是一个主动发现工作、主动推进工作的助手。
与此同时，一批创业公司也在走同样的路。jo这家公司的口号是"在你开口之前行动"——它盯着你的邮箱、日历、文档和浏览记录，不用你说话，早上给你晨报，标出你忘了回的邮件。Instinct更激进，它用你自己的手机和电脑替你办事，它的AI助手之间还能互相协调。
这些产品背后有一个共同的判断：AI的下一个竞争维度不是"谁更聪明"，而是"谁更主动"。
为什么主动性这么难
你可能会问：既然主动性这么重要，为什么三十年都没人做出来？
原因比想象的深刻。
第一，主动性要求AI"理解"你没说出口的东西。 你说"帮我订票"，AI需要知道你偏好靠窗的座位、你的预算范围、你的会议可能延期——这些信息你从来没告诉过它，但它需要从上下文中推断。
第二，主动性要求AI做出判断，而判断意味着可能犯错。 一个被动的AI永远不会做错事，因为它从不主动做事。一个主动的AI可能误判事情的紧急程度、选错方案、在不合适的时机打扰你。论文特别提到了"有毒的主动性"（Toxic Proactivity）——当AI过于积极，它可能追求错误的目标、超越授权范围、甚至产生与人类意图相悖的行为。
第三，也是最根本的：主动性涉及价值观判断。 什么"值得做"？这个问题没有客观答案。一个人觉得被打扰是恼火的，另一个人觉得及时提醒是贴心的。主动性天然地处于"有用"和"打扰"的模糊边界上。
这也是为什么论文把"裁决"（Arbitration）放在6A框架的核心位置——它不是技术问题的解法，而是价值判断的机制。
超级智能体的完整画像
论文最具洞察力的观点在最后：走向超级智能体，三种能力需要共同发展。
- 智能（Intelligence）决定了AI能做什么——理解、推理、执行。
- 对齐（Alignment）决定了AI做的事是否符合人的意图和价值观。
- 主动性（Proactiveness）决定了AI能不能自己发现值得做的事。
三者缺一不可。一个很聪明但没有主动性的AI是一个优秀的工具，但不是一个合格的伙伴。一个有主动性但没有对齐的AI是危险的——它会积极地追求错误的目标。一个对齐了但不够聪明的AI是好心的帮手，但经常帮倒忙。
论文提出了一个让人印象深刻的概念：“earned autonomy”（赢得的自主权）。AI通过一次次可靠的表现积累信任，然后逐步获得更大的自主空间。就像人类职场中的新人——你先证明自己能在指导下完成任务，然后被允许独立负责小项目，最后获得自主决策权。
这个思路优雅地解决了"主动性vs安全性"的矛盾：不是从一开始就给AI最大的自由度，而是让它通过表现来赢得信任。
尾声：这次，AI先开口
让我回到开头那个1995年的定义。
三十年前，研究者说智能体应该有主动性。那时这只是一个理论上的期望——没有任何系统能做到。
三十年后，这个期望终于开始变成现实。不是因为我们找到了一个完美的算法，而是因为我们终于有了足够强大的基础模型、足够丰富的工具生态、足够成熟的记忆和推理架构，把这些零件组装在一起，让主动性从概念变成了工程。
也许最重要的是，我们终于开始认真对待一个问题：AI不应该只是一个越来越聪明的回答者，它应该成为一个能与你长期协作的伙伴——一个能在你沉默时理解你、在你遗忘时提醒你、在你忙碌时替你分担的伙伴。
正如那篇综述的最后一句话写的：
“这一次，是AI先开口。”
参考来源
- Ke Yang et al., “Proactive AI for Superintelligent Agents”, UIUC / Google / Stanford / UC Berkeley / CMU, 2026年10月. 项目主页
- Anthropic, Claude Duet 产品发布, 2026年10月21日
- 36氪, “走向超级智能体，AI还需要主动性：UIUC、谷歌等联合综述”, 2026年10月22日
- 36氪, “个人智能体扎堆上线，没几个App愿意开门”, 2026年10月22日
- Michael Wooldridge & Nicholas Jennings, “Intelligent Agents: Theory and Practice”, 1995