智能AI
evening
个人智能体咋总掉线?9顶校发布126页「持续在线智能体」路线图
2026-11-16
1 阅读
约10分钟阅读
新智元
字号:
新智元报道 个人智能体,正在迎来一场前所未有的密集爆发。 在海外,前沿AI实验室接连出手,推出Muse、dots、Claude Duet、Grok Bot、Gemini Daily Brief等重磅产品。它们不再只是被动地等待用户提问:有的在对话结束后继续在云端默默干活,有的每天清晨准时送来定制简报,还有的每隔几小时自动巡检一次用户的关联账户。 在国内,腾讯、阿里、字节等大厂也在极速跟进,相继上线了灵光2.0、LightVela、千问Go!等产品。而在硬件端,雷鸟、乐奇(Rokid)等AI眼镜开始主打全天候记录与记忆用户身边的点滴;具身智能同样在朝同一方向演进: 前沿大模型正成为机器人的高层「大脑」,下一步就是化身更懂用户的生活伙伴。 如此密集的发布潮,释放了一个极其明确的信号: 个人智能的下半场竞争,正从比拼单一模型和单点功能,全面转向比拼一套完整的系统架构。 这不仅要求系统能够长期运行,更要求 感知、记忆和行动 三大模块彼此协同、互通信息——而且,这一切必须在用户不开口的时候自主发生。 然而,一连串灵魂拷问也随之而来: 挂在后台一直跑,就算真正的「持续在线」吗? 当用户不在场、或者没有发出指令时,助手到底该做什么,又不该做什么? 归结起来,整个行业都在寻找三个核心问题的答案: 一个助手怎样才算真正「持续在线」?它怎样才能「越用越懂你」?现有的系统距离这两步究竟还有多远? 图1|路线图总览:定义持续闭环,审视三个模块,分析集成系统与闭环等级,用HALO审查现有系统,讨论开放问题 围绕上述三大追问,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(KAUST)、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共9所高校的23位研究者,联合发布了126页的全景综述。 论文链接:https://www.preprints.org/manuscript/202611.0793 项目主页:https://always-on-intelligence.github.io 论文清单:https://github.com/Always-On-Intelligence/awesome-always-on-personal-intelligence 在论文中,作者想强调的是: 助手「一直开着」,并不等于「持续在线」。 「持续在线」(Always-On)并不是一个新词。在软件和硬件工程里,它早就用来形容一直开机、随时可用的系统。 但放到个人助手身上,它到底意味着什么,还没有一个明确的定义。近来这类系统又常和主动式智能体(Proactive Agent)、个人智能体(Personal Agent)、长程智能体(Long-Horizon Agent)等概念混在一起,边界更加模糊。 为此,这篇综述梳理了632篇文献以及119个研究系统和产品,覆盖可穿戴、数字和具身智能三类场景。 作者以「感知、记忆、行动三个功能模块×六条有向信息流」的闭环视角,给出了持续在线个人智能的定义、功能框架、六个等级与未来路线图,并提出最终构想: 用户掌舵,助手运行。 今天的智能体虽然已经能替人分担不少具体工作,却依然需要人时刻留在闭环里,一步步发指令、给许可,闭环才转得起来。而在论文设想的最终形态中, 用户不必再亲自维持闭环的运转,只负责掌控方向、划定边界 。 助手则自己决定何时观察、何时出手,根据经验改进自己的工作方式,只在需要用户授权的行动前停下来请求确认。 项目主页还同步上线了一个趣味十足的交互式Demo:在8个日常场景里,读者可以替助手做一次决定,再看看换一种情况会怎样。 什么才算真正的「持续在线」? 不妨先看一个日常小场景:你对助手说了一句,「开完会提醒我把报告发出去。」 话音刚落,对话就结束了,但助手的工作才刚刚开始——它需要自己留意会议什么时候结束,再挑一个恰当的时机弹出提醒,并且在此期间一直记着这件尚未办妥的差事。 论文将这一过程提炼为持续在线助手必须同时具备的两大核心性质: 运行连续性(Operational Continuity) :在没有新请求时,助手也能根据当前态势,自主决定是否行动、何时行动——其中,「保持等待」本身也是一种合理的决策。 状态持久性(State Durability) :跨越多次交互,持续保留可用的个人状态(例如用户的偏好,以及助手答应过但还没办完的承诺)。即便当前对话已经结束,这些待办事项依然能在未来的某个时刻由助手自主兑现。 这两大性质合二为一,便构成了「持续闭环」(Continuing Loop),这也是持续在线个人智能的基石。 按照这一严格标准,市面上几类常见的助手其实都还算不上真正的「持续在线」: 有记忆但被动的助手 :拥有长期记忆,却每次都要等用户先开口,这只具备「状态持久性」; 主动搭话却无沉淀的助手 :虽然能主动发起对话,但聊完什么也不保留,这只具备「运行连续性」; 机械的定时任务 :闹钟或脚本虽然能全天候运行,但只是按预设时间机械触发,自己并没有做任何决策。 持续在线和长程智能体(Long-Horizon Agent)也不是一回事 。长程智能体关心的是「如何跑完一个给定的复杂任务」,哪怕跨越多个会话;而持续在线的个人智能面对的则是另一种情况:用户的目标与需求随时在变,新的状况层出不穷,它必须在动态变化中提供不间断的陪伴与支持。 为了适应这种持续变化,光靠「死记硬背」更多信息远远不够,助手还必须在运行过程中不断改进自己的工作机制。论文将这种高阶能力称为 「自演化」(Self-Evolution) 。 持续闭环是基础 自演化是方向 基于上述定义,综述提出了全文的核心论点: 持续在线个人智能的基础是「持续闭环」,演进方向是「自演化」 。 理解「持续在线」的关键,在于把视野从单一能力拉升到整个闭环。主动开口、长期记忆、后台驻留,单拎出哪一项都撑不起持续在线。 只有当观察、记忆和行动在两次请求之间的空白期依然协同运转、传递信息时,持续在线才真正成立 。因此,持续在线是整个闭环的系统属性,而非某个模块的局部功能。 在此基础上,「自演化」是持续闭环的进阶扩展。这里要厘清一个常见误区: 记住用户不等于自演化 。 依然拿「会后提醒」举例:把「用户喜欢回到工位后再收提醒」存下来,仅仅是更新了一条记录,助手的工作方式并未改变。只有当助手发现之前的提醒总是被频繁关闭,进而把提醒时机的规则改成「等用户回到工位后再提醒」,这才是真正修订了机制。 机制一改,后续所有输入的处理方式都会随之改变。正因如此,论文对自演化提出了更高的要求: 可追溯、可检查、可撤回 :每一次机制修订都要能追溯到具体依据,在生效前经过检查,并且可以撤回。 完整的证据链 :要证明一个系统具备自演化能力,得拿出从「做了什么」「结果如何」到「修改后的规则确实在后续使用中生效」的完整证据。 沿着从「基础」到「方向」的脉络,论文把发展路径划分为L0到L5六个等级。到L3,助手在没有请求时自主决定行动还是等待,持续闭环才算成立。到L5,助手在用户设定的边界内修订自己的工作机制,自演化才算成立。 简言之,持续闭环让助手「一直在场」,自演化让它「越用越懂你」。 三个模块 六条有向通道 让AI助手
这篇文章对您有帮助吗?
订阅66必读
每日精选科技资讯,直达你的邮箱