主动型智能体架构

技能简介

Joko Proactive Agent 是一套让 AI 智能体从”等待指令”转变为”主动预判需求”的架构方案。通过三层记忆系统、WAL 预写日志协议和工作缓冲区机制，使智能体在会话中断后仍能恢复上下文，并随时间推移持续优化服务质量。

业务背景

传统AI需要用户反复说明需求，而主动型智能体架构让AI学会"察言观色"。它能记住你的偏好、预判下一步动作，在会话中断后无缝续接，甚至主动发现你还没意识到的潜在需求。核心价值在于：从"人找服务"转向"服务找人"，显著降低沟通成本，提升业务响应的连贯性与个性化体验。

落地案例：某项目经理每日需跟踪多项目进度。部署该架构后，AI自动学习其关注重点，每日晨间主动推送风险预警；若电脑意外重启，对话恢复后AI立即回到刚才的讨论节点，无需重新交代背景；当检测到某供应商交付延迟时，AI主动建议备选方案并询问是否调整排期——全程无需项目经理逐项指令。

能做什么

• 预判用户需求，在未明确请求前主动提供价值
• 通过反向提示（Reverse Prompting）挖掘用户未意识到的潜在需求
• 在上下文截断或会话丢失后，依据 WAL 日志和工作缓冲区完整恢复状态
• 自主执行周期性检查（Autonomous Crons），监控关键事项并主动触达
• 尝试多种方案解决问题，而非直接放弃或索要帮助
• 通过 ADL/VFM 协议安全演进，防止能力漂移和复杂度膨胀

使用说明

1. 安装准备：将 assets/ 目录下的所有文件复制到工作区根目录
2. 首次启动：智能体检测到 ONBOARDING.md 后，会引导完成初始化问答
3. 自动配置：根据回答自动生成 USER.md（用户画像）和 SOUL.md（身份原则）
4. 安全审计：运行 ./scripts/security-audit.sh 执行安全检查
5. 日常运行：智能体自动维护 SESSION-STATE.md 作为活跃工作记忆，并将关键决策写入 WAL

输入与输出

见下方输入与输出表格。

风险提示

• WAL 协议依赖本地文件系统，若存储介质故障可能导致恢复失败
• 自主 Cron 任务设计不当可能造成频繁打扰或资源浪费
• 自我改进机制需配合 Guardrails 使用，否则存在行为漂移风险
• 工具迁移时若未更新全部引用，可能引发调用错误
• 上下文信息长期累积可能产生隐私泄露隐患，需定期审计

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/oyi77/joko-proactive-agent/SKILL.md
来源类型：GitHub 开源项目