Proactive Agent：清华联合面壁智能开源的新一代主动Agent交互范式

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

---

🚀 快速阅读

1. 主动性：Proactive Agent能够主动观察环境和用户行为，预测用户需求并自主采取行动。
2. 功能多样：包括环境观察与预判、自主决策、任务发起、上下文感知、用户交互和任务执行。
3. 技术支持：基于环境模拟器、主动智能体、用户智能体、数据生成管道和奖励模型等技术实现。

正文（附运行示例）

Proactive Agent 是什么

Proactive Agent是清华大学联合面壁智能等团队推出的新一代主动Agent交互范式。它具备主动性，能够预测用户需求并在没有直接指令的情况下采取行动。Proactive Agent通过观察环境和用户行为，推断出潜在的任务，并自主提供帮助。

与传统的被动式AI代理相比，Proactive Agent展现出更高的自主决策能力和环境适应性，能够在多种场景下实现更自然、更流畅的人机交互体验。这一技术的发展标志着AI从简单的命令执行者向具有洞察力和主动帮助能力的智能协作伙伴的转变。

Proactive Agent 的主要功能

• 环境观察与预判：主动观察用户的环境和行为，预测用户的需求和意图。
• 自主决策：基于对环境的理解和用户的意图，自主做出决策，不需要等待用户的明确指令。
• 任务发起：在识别到用户可能需要帮助时，主动提出任务或提供信息。
• 上下文感知：理解上下文环境，根据当前情境提供恰当的协助。
• 用户交互：与用户进行交互，根据用户反馈调整其行为和预测，提高准确性和用户满意度。
• 任务执行：用户接受Proactive Agent提出的任务，系统将执行这些任务，并根据需要生成后续事件。

Proactive Agent 的技术原理

• 环境模拟器（Environment Gym）：模拟特定环境，生成事件序列，维护环境状态，为代理提供交互的沙盒条件。
• 主动智能体（Proactive Agent）：接收环境模拟器的输入，更新记忆，结合历史交互和用户反馈，预测用户意图，并生成任务。
• 用户智能体（User Agent）：模拟用户行为，对Proactive Agent提出的任务做出反馈，决定是否接受任务。
• 数据生成管道：基于模拟用户活动和响应，生成用在训练和评估模型的数据。
• 奖励模型：训练一个模型评估Proactive Agent的主动行为，模拟人类判断，提供反馈，优化代理的行为。
• 性能评估：用度量方式（如需求遗落、静默应答、正确检测、错误检测）评估Proactive Agent的性能，并进行持续优化。

如何运行 Proactive Agent

安装

1. 克隆仓库并进入目录：

git clone git@github.com:thunlp/ProactiveAgent
cd ProactiveAgent

2. 创建并激活虚拟环境，安装依赖：

conda create -n activeagent python=3.10
conda activate activeagent
pip install -r requirements.txt

配置

1. 复制配置文件示例并进行修改：

cp example_config.toml private.toml

2. 修改private.toml文件中的default_completions_model、api_key和base_url为你的设置。

运行 Proactive Agent

进入./agent目录，按照README中的说明运行Proactive Agent。

资源

• 项目官网：https://mimictalk.github.io/
• GitHub 仓库：https://github.com/thunlp/ProactiveAgent
• arXiv 技术论文：https://arxiv.org/pdf/2410.12361
• Activity Watcher：https://activitywatch.net/

---

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦