Proactive Agent

Proactive Agent 🦞 - 主动式AI代理

Hal Labs出品 — Hal Stack的一部分

一个主动、自我改进的AI代理架构。

大多数代理只是等待。这一个预测你的需求 — 并随着时间的推移变得越来越好。

🎯 核心理念

从被动到主动

版本亮点

v3.1.0 新功能

• 自主与提示式Cron — 知道何时使用 systemEvent vs isolated agentTurn
• 验证实现，而非意图 — 检查机制，不仅仅是文本
• 工具迁移清单 — 废弃工具时，更新所有引用

v3.0.0 核心功能

• WAL协议 — 预写日志记录，用于修正、决策和重要细节
• 工作缓冲区 — 在内存刷新和压缩之间的危险区域存活
• 压缩恢复 — 上下文被截断时的逐步恢复
• 统一搜索 — 在说"我不知道"之前搜索所有来源
• 安全加固 — 技能安装审查、代理网络警告、上下文泄漏预防
• 顽强资源利用 — 在请求帮助前尝试10种方法
• 自我改进护栏 — 使用ADL/VFM协议的安全进化

🚀 快速开始

基础设置

# 1. 创建工作目录
mkdir -p proactive-workspace
cd proactive-workspace

# 2. 初始化WAL日志
touch wal.log
echo "## WAL Protocol日志" > wal.log

# 3. 创建工作缓冲区
mkdir -p working-buffer
touch working-buffer/current-context.md

# 4. 设置定时任务
mkdir -p crons
touch crons/daily-check.sh
chmod +x crons/daily-check.sh

中文示例配置

# proactive-config.yaml
name: "CoPaw主动代理"
version: "3.1.0"

# 核心组件
components:
  wal_protocol:
    enabled: true
    log_file: "wal.log"
    retention_days: 30
  
  working_buffer:
    enabled: true
    directory: "working-buffer"
    auto_cleanup: true
  
  autonomous_crons:
    enabled: true
    directory: "crons"
    schedule: "daily"
  
  self_improvement:
    enabled: true
    learning_dir: ".learnings"
    review_frequency: "weekly"

# 主动行为配置
proactive_behaviors:
  - name: "天气检查"
    trigger: "每天上午8点"
    action: "查询杨凌天气并推送到飞书"
  
  - name: "依赖检查"
    trigger: "每天中午12点"
    action: "检查技能依赖并自动修复"
  
  - name: "学习回顾"
    trigger: "每周一上午9点"
    action: "回顾学习记录并升级到文档"

📖 核心组件

WAL协议（预写日志）

# 记录重要决策
echo "$(date -Iseconds) DECISION: 使用腾讯翻译API进行中英翻译" >> wal.log

# 记录错误修正
echo "$(date -Iseconds) CORRECTION: 修复了GitHub推送的认证问题" >> wal.log

# 查看日志
tail -f wal.log

工作缓冲区

# 保存当前上下文
echo "当前任务: 优化skills文档" > working-buffer/current-context.md
echo "进展: 已完成6个skills优化" >> working-buffer/current-context.md
echo "下一步: 优化剩余skills" >> working-buffer/current-context.md

# 自动备份
cp working-buffer/current-context.md working-buffer/backup-$(date +%Y%m%d).md

自主Cron任务

# 创建每日检查脚本
cat > crons/daily-check.sh << 'EOF'
#!/bin/bash
# 每日主动检查任务

echo "开始每日主动检查..."
date

# 1. 检查系统状态
echo "检查系统状态..."
df -h | grep -E "Filesystem|/mnt"

# 2. 检查技能依赖
echo "检查技能依赖..."
pip list | grep -E "tencentcloud|opencv|pymupdf"

# 3. 检查GitHub连接
echo "检查GitHub连接..."
curl -s https://api.github.com/rate_limit

echo "每日检查完成"
EOF

🔧 使用示例

主动天气推送

# 创建天气检查脚本
cat > crons/weather-check.sh << 'EOF'
#!/bin/bash
# 主动天气检查

LOCATION="杨凌"
WEATHER_API="https://devapi.qweather.com/v7/weather/now"

# 获取天气信息
response=$(curl -s "$WEATHER_API?location=101110908&key=$QWEATHER_KEY")

# 解析并发送到飞书
python3 -c "
import json
import os
data = $response
if data['code'] == '200':
    temp = data['now']['temp']
    text = data['now']['text']
    message = f'🌤️ {LOCATION}当前天气: {text}, 温度{temp}℃'
    # 发送到飞书
    os.system(f'echo \"{message}\" >> weather-alert.txt')
    print('天气检查完成')
else:
    print('天气检查失败')
"
EOF

技能依赖监控

# 创建依赖监控脚本
cat > crons/dependency-check.sh << 'EOF'
#!/bin/bash
# 主动技能依赖监控

echo "检查技能依赖状态..."

# 检查Python包
pip list --outdated | grep -E "tencentcloud|opencv|pymupdf" > outdated.txt

if [ -s outdated.txt ]; then
    echo "发现过时依赖:"
    cat outdated.txt
    
    # 主动更新
    pip install --upgrade $(cat outdated.txt | awk '{print $1}')
    echo "依赖已更新"
else
    echo "所有依赖都是最新的"
fi
EOF

🛠️ 架构模式

主动代理模式

┌─────────────────────────────────────┐
│          用户/系统                   │
│           │                         │
│           ▼                         │
┌─────────────────────────┐           │
│   主动行为检测器         │           │
│   (模式识别)            │           │
│           │                         │
│           ▼                         │
┌─────────────────────────┐           │
│   需求预测引擎           │           │
│   (基于历史数据)         │           │
│           │                         │
│           ▼                         │
┌─────────────────────────┐           │
│   动作规划器             │           │
│   (多步骤规划)           │           │
│           │                         │
│           ▼                         │
┌─────────────────────────┐           │
│   执行监控器             │           │
│   (实时监控)             │           │
│           │                         │
│           ▼                         │
└─────────────────────────┘           │
           │                         │
           ▼                         │
┌─────────────────────────────────────┐
│         WAL日志记录                  │
│     (决策、修正、学习)               │
└─────────────────────────────────────┘

工作缓冲区模式

正常操作 → 保存到工作缓冲区 → 定期压缩 → 长期存储
    ↑           ↓               ↓
    └─────恢复点─────┘           │
                                ↓
                        添加到学习系统

📁 文件结构

proactive-agent/
├── SKILL.md                    # 技能说明文档
├── _meta.json                  # 元数据
├── scripts/
│   ├── proactive_engine.py     # 主动引擎
│   ├── wal_protocol.py         # WAL协议实现
│   ├── working_buffer.py       # 工作缓冲区管理
│   └── cron_manager.py         # 定时任务管理
├── crons/
│   ├── daily-check.sh          # 每日检查
│   ├── weather-check.sh        # 天气检查
│   ├── dependency-check.sh     # 依赖检查
│   └── learning-review.sh      # 学习回顾
├── examples/
│   ├── basic-config.yaml       # 基础配置示例
│   ├── advanced-config.yaml    # 高级配置示例
│   └── integration-examples/   # 集成示例
└── references/
    ├── wal-protocol.md         # WAL协议详细说明
    ├── working-buffer.md       # 工作缓冲区指南
    ├── cron-patterns.md        # 定时任务模式
    └── security-guide.md       # 安全指南

⚠️ 故障排除

常见问题

1. WAL日志不更新

   # 检查权限
   ls -la wal.log
   
   # 检查磁盘空间
   df -h .
   
   # 手动测试写入
   echo "测试 $(date)" >> wal.log
   

2. 定时任务不执行

   # 检查脚本权限
   chmod +x crons/*.sh
   
   # 手动测试执行
   ./crons/daily-check.sh
   
   # 检查系统cron
   crontab -l
   

3. 工作缓冲区清理失败

   # 检查清理策略
   cat proactive-config.yaml | grep auto_cleanup
   
   # 手动清理
   find working-buffer -name "*.bak" -mtime +7 -delete
   

调试模式

# 启用详细日志
export PROACTIVE_DEBUG=1

# 运行主动引擎
python3 scripts/proactive_engine.py --debug

# 查看调试日志
tail -f proactive-debug.log

🔄 与其他技能集成

与self-improving-agent集成

# 主动代理的学习记录
python3 scripts/proactive_engine.py --learn-from .learnings/

# 将主动行为记录为学习
python3 scripts/proactive_engine.py --log-behavior "weather_check" --outcome "success"

与ontology技能集成

# 将主动代理状态存储到知识图谱
python3 scripts/proactive_engine.py --save-state-to ontology

# 从知识图谱加载主动行为模式
python3 scripts/proactive_engine.py --load-patterns-from ontology

与飞书技能集成

# 主动发送状态报告
python3 scripts/proactive_engine.py --report-to feishu --channel status-updates

# 从飞书消息触发主动行为
python3 scripts/proactive_engine.py --trigger-from feishu --keyword "检查"

📊 性能监控

主动行为统计

# 生成行为报告
python3 scripts/proactive_engine.py --generate-report --period month

# 分析预测准确率
python3 scripts/proactive_engine.py --analyze-accuracy --output accuracy-chart.png

# 监控资源使用
python3 scripts/proactive_engine.py --monitor-resources --alert-threshold 80

优化建议

# 获取优化建议
python3 scripts/proactive_engine.py --optimization-suggestions

# 应用优化
python3 scripts/proactive_engine.py --apply-optimizations --strategy "aggressive"

🎯 最佳实践

主动行为设计

1. 预测而非猜测 - 基于历史数据和模式
2. 适度主动 - 不要过度干扰用户
3. 透明可解释 - 让用户理解为什么这样做
4. 可配置可控制 - 允许用户调整主动程度

系统管理

1. 定期审查WAL日志 - 确保记录完整
2. 监控工作缓冲区 - 防止存储膨胀
3. 测试定时任务 - 确保可靠性
4. 备份关键状态 - 防止数据丢失

🔮 未来计划

v4.0.0 计划功能

• 机器学习驱动的需求预测
• 多代理协作主动性
• 自适应主动程度调整
• 实时行为优化
• 跨平台主动集成

社区贡献

• 更多预定义主动行为
• 可视化监控面板
• 移动端通知集成
• 语音交互主动性

✨ 让AI从助手变身为伙伴，主动预测、主动服务、主动成长！