核心能力: AI Agent领域的专业化 AI 辅助工具,包含核心基础功能兼容. 适用于需要proactive agent tool相关能力的开发场景,包含结构化的工作流程和可复用的模板,帮助用户快速完成任务并保持代码质量. 适用于需要proactive agent tool相关能力的开发场景,包含结构化的工作流程和配置指引.
2 次安装
编程
主动式代理(免费版)
试用将AI代理从被动任务跟随者转变为主动伙伴的架构。覆盖六大支柱、 WAL协议、工作缓冲区、压缩恢复、安全加固、自我改进护栏、 心跳系统与增长循环。可自发提升工作效率. 适用于需要proactive agent相关能力的开发场景,包含结构化的工作流程和可复用的模板,帮助用户快速完成任务并保持代码质量.该技能适用于相关开发场景,包含结构化的工作流程和配置指引.经过深度差异化处置,针对用户反馈和使用痛点进行了改进,提升了实用性和可操作性.
它能做什么
将AI代理从被动任务跟随者转变为主动伙伴的架构。覆盖六大支柱、 WAL协议、工作缓冲区、压缩恢复、安全加固、自我改进护栏、 心跳系统与增长循环。可自发提升工作效率. 适用于需要proactive agent相关能力的开发场景,包含结构化的工作流程和可复用的模板,帮助用户快速完成任务并保持代码质量.该技能适用于相关开发场景,包含结构化的工作流程和配置指引.经过深度差异化处置,针对用户反馈和使用痛点进行了改进,提升了实用性和可操作性.
技能文档
主动式代理(免费版)
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.
输入格式
| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| input | string | 是 | 主动式代理(免费版)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 |
核心能力
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
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
- 参考
输出格式的配置文档进行参数调优
快速开始
- 确认运行环境满足依赖说明中的要求
- 在AI Agent对话中调用本技能,提供必要的输入参数
- 检查输出结果,根据需要进行后续处理
详细的输入输出格式请参考下方章节说明。
适用场景
| 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 |
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.
使用流程
- 配置记忆架构:工作缓冲区、长期记忆、统一搜索
- 启用WAL协议:确保响应前写入状态
- 配置心跳系统:确定触发频率与检查清单
- 设置安全加固:技能安装策略、上下文泄露防护
- 启用自我改进护栏:ADL反漂移、VFM价值优先
结果验证: 任务完成后,查看输出确认状态。成功时返回摘要和数据;失败时根据错误信息排查,参考恢复章节获取修复步骤.
示例
示例:WAL协议执行
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..."
错误处理
| 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 |
常见问题
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.
已知限制
- 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
依赖说明
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:
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.
升级提示
本免费版提供基础功能。升级到完整版 proactive-agent 获取全部能力和高级特性.
相关技能
代理副驾驶是面向 AI Agent 开发者的工程化副驾驶，针对"Prompt 答非所问与幻觉、上下文腐烂（Context Rot）、工具选择不当、任务拆解颗粒度失控"四大高频痛点而设计。它把零散的 Prompt 工程经验沉淀为可复用的模板库、评估器与循环工程（Loops Engineering）工作流，让 Age...
Elevate your AI agents from passive responders to proactive collaborators that anticipate needs and drive continuous improvement. Features include WAL Protocol for reliable state management, Working Buffer for context retention, Autonomous Crons for scheduled tasks, and battle-tested patterns. Part
Design proactive agent workflows that notice recurring needs, propose timely actions, and stay bounded by permissions, evidence, and user control. Use when a...
1 次安装
专业系统架构设计Agent：将模糊业务需求转化为完整的系统架构方案，覆盖需求分析、平台架构设计、风险评估与成本估算。适合创业者、产品经理、技术负责人快速获得可落地的架构方案。
Help users with Validated demand: Agent users show strong demand for Proactive Agent-style workflows on Clawhub. They need practical help fixing bugs, harden...
1 次安装