过去几个月,个人智能体的发布密度是近几年最高的一段。海外的Muse、dots、Claude Duet,国内的灵光2.0、LightVela、千问Go!,再加上雷鸟、乐奇这类主打全天候记录的AI眼镜,产品的共同点是不再等你提问:有的在对话结束后继续在云端干活,有的每天清晨送来一份定制简报,有的每隔几小时自动巡检一次关联账户。
密集的发布掩盖了一个基础问题:这些产品到底算什么。挂在后台跑就叫持续在线吗?九所高校的23位研究者用一份126页的综述,试图先把这个问题问清楚,再谈怎么评测。
综述首先拆开了一个被混用的说法。多数产品在宣传里把"一直在线"等同于"进程常驻",但从系统角度看,常驻只是必要条件。一个真正持续在线的助手,需要在没有指令的情况下完成三件事:感知环境里发生了什么变化,判断这个变化是否与用户相关,以及在相关时决定要不要动手。
这三件事里最难的是第二件。感知可以靠定时抓取,行动可以靠工具调用,但"是否相关"是一个需要长期偏好模型的判断。判断错了有两种代价:太敏感会不停打扰,用户很快关掉通知;太迟钝则在你需要时什么都没做。产品体验的分水岭,几乎都落在这一层。
综述由此提出一个判断标准:一个助手是否持续在线,不看它跑了多久,而看它在一次完整闭环里承担了几个环节。只负责接收指令并回应的是工具,能自己发现变化并主动提议的是助手,能在提议被默许后自行执行并留下记录的才开始接近在线。
参与者来自南洋理工大学、加州大学伯克利分校、普林斯顿大学、斯坦福大学、新加坡国立大学、阿卜杜拉国王科技大学、达特茅斯学院、北卡罗来纳大学教堂山分校和美国西北大学。这说明它不是产品白皮书,而是学界的联合梳理。
综述的结构是三段:先定义持续闭环,再逐一审视感知、记忆、行动三个模块,最后分析集成系统与闭环等级,并用一个叫HALO的框架去审查现有系统,末章列开放问题。这个顺序本身就是一种立场:先把闭环说清楚,再谈单个模块的能力,因为单点能力再强,接不成闭环也没有产品意义。
把它放在时间线上看,这份综述出现得不算早。个人智能体的产品化已经跑了将近一年,各家都在按自己的理解堆功能,术语也开始分叉:有的叫常驻助手,有的叫后台智能体,有的叫每日简报。学界此时介入的价值,是给这些说法提供一套共同的坐标系,让后面的比较不至于各说各话。
感知这一块,综述关心的不是识别精度,而是采样策略。持续在线的助手不能对每一秒都做完整推理,成本撑不住;也不能只在被叫醒时看一眼,那样就失去了"主动"的意义。合理的设计是分层采样:低成本信号持续监控,触发阈值后再调用高成本模型。难点在阈值怎么定。
记忆这一块,难点在写入而不是检索。检索已经相对成熟,真正没有共识的是什么值得记。全量记录会让记忆库迅速膨胀,检索精度下降;只记摘要会丢掉细节,等到需要时想不起来。综述讨论的一个方向是分层记忆:原始记录短期保留,重要片段抽成结构化条目长期保留。
行动这一块,限制不在能力而在授权。发邮件、下单、改日程的风险等级完全不同,却共享同一套工具接口。综述指出,现有系统普遍缺少动作分级机制:要么全部需要确认,助手就变成了需要你点十次确认的鸡肋;要么全部放行,一次误判就可能造成不可撤销的后果。
综述用"闭环等级"这个概念来刻画不同系统的成熟度。最低一级是单轮响应:收到指令,执行,返回结果,结束。往上一级是多轮任务:能拆解目标、调用多个工具、在失败时重试。再往上是带记忆的任务:能引用历史交互,不必每次重新交代背景。
更高的一级是主动触发:系统自己判断何时该动,用户只负责批准或否决。最高一级是持续协同:多个助手之间能分工,一个负责监控、一个负责执行、一个负责复核,出问题时能互相兜底。这一级目前只在实验室和少数企业内部系统里出现,公开产品基本都停在主动触发这一层,而且大多只覆盖很窄的场景,比如日程与邮件。
等级划分的用处在于避免错位比较。拿一个只会单轮响应的产品去和一个能主动巡检的系统比"智能程度",结论没有意义;反过来,一个已经能主动触发的系统如果在记忆上很弱,它会在第二次交互时暴露,用户感知到的落差比功能缺失更大。等级不是排名,是诊断工具。
HALO是综述提出的审查框架,用途是对着一个具体系统逐项打勾。它的价值不在于给出分数,而在于把宣传语翻译成可核对的问题:感知的采样频率是多少,记忆的保留期限是多久,动作需不需要二次确认,失败时谁来兜底。
按这套框架去看当前产品,暴露出来的短板相当集中。感知端普遍强在"能看见",弱在"该不该看",隐私边界往往写在条款里而不是做在产品里;记忆端普遍强在"记得住",弱在"忘得掉",用户很难精确删除某一段被记住的内容;行动端普遍强在"能调工具",弱在"能撤销",大部分动作一旦发出就无法回滚。
这三处短板指向同一个工程现实:主动性的成本不在模型,而在周边。要让助手在正确的时候动,需要事件源、权限系统、审计日志、回滚机制一整套配套设施,而这些设施的搭建周期远长于换一个更强的模型。这也解释了为什么过去一年模型能力涨得很快,产品的主动性却没有同比例提升。
综述在末章列了开放问题,其中三个最实际。第一是责任归属:当助手在未经确认时做了一个有后果的决定,责任在用户、在开发者、还是在模型提供方?现有产品条款大多把责任推给用户,但用户实际上无法审查模型的判断过程。
第二是注意力的经济学。持续在线的助手会持续产生提议,而人的注意力是有限资源。如果没有一套机制控制提议的数量与时机,助手最终会被用户静音,产品价值归零。这不是模型问题,是交互设计问题,但目前没有公认的解法。
第三是记忆的所有权。长期记忆一旦形成,就变成了用户的数字资产,也可能是负担:换一个助手意味着放弃全部记忆,留下来则意味着被锁定。这个问题的答案会决定个人智能体市场最终是多家竞争还是一家独大。综述没给结论,但把问题定义清楚了。