Proactive Agent

• Sie möchten einen Agenten, der handelt, ohne gefragt zu werden – der Ideen einbringt, Dinge umsetzt und frühere Entscheidungen nachverfolgt, ohne dazu aufgefordert zu werden.
• Ihr Agent verliert den Kontext zwischen Sitzungen oder bei langen Gesprächen – WAL Protocol und Working Buffer stellen sicher, dass kritische Details Komprimierungen und Speicher-Resets überstehen.
• Sie benötigen eine konsistente und sichere Selbstverbesserung – die ADL/VFM-Leitplanken ermöglichen es Ihrem Agenten, seine eigenen Betriebsmuster weiterzuentwickeln, ohne dabei die Stabilität zu gefährden oder zu verlieren.
• Sie betreiben autonome Hintergrund-Cron-Jobs – die Skill lehrt den Unterschied zwischen ausgelöster und wirklich autonomer Ausführung, sodass geplante Aufgaben tatsächlich gestartet werden und vollständig abgeschlossen werden.

• Wenn Ihr Anwendungsfall rein zustandslos oder einzeilig ist — die Speicherarchitektur und das WAL-Protokoll erzeugen Overhead, der nicht nützlich ist, wenn keine Kontinuität bewahrt werden muss.
• Wenn Sie nicht möchten, dass Ihr Agent die Initiative ergreift — das proaktive Überraschungsverhalten und das Reverse-Prompting sind zentrale Merkmale dieser Skill-Identität; ein strikt anweisungsfolgender Agent ist hierfür wenig geeignet.

Vor dem Verfassen einer Antwort scannt der Agent jede menschliche Nachricht auf Korrekturen, Entscheidungen, Präferenzen und spezifische Werte und schreibt diese zunächst in SESSION-STATE.md. Dies stellt sicher, dass kritische Details niemals durch das Verdrängen aus dem Kontext verloren gehen – der Auslöser ist die Eingabe des Menschen, nicht das Gedächtnis des Agenten.

Sobald der Kontext 60 % erreicht, aktiviert der Agent einen Arbeitspuffer, der jeden Austausch protokolliert – sowohl die Nachricht des Nutzers als auch eine Zusammenfassung der Antwort des Agenten – in einer persistenten Datei. Nach der Komprimierung wird der Puffer zuerst gelesen, sodass der Agent nie fragen muss: „Was haben wir gerade gemacht?"

Wird automatisch ausgelöst, wenn eine Sitzung nach einer Kürzung neu startet. Der Agent liest memory/working-buffer.md, dann SESSION-STATE.md, dann die Tagesnotizen der Reihe nach, extrahiert und konsolidiert den Kontext und präsentiert anschließend eine Wiederherstellungszusammenfassung — ohne den Nutzer aufzufordern, alles erneut zu erklären.

Das Anti-Drift-Limits-Protokoll verhindert, dass der Agent unnötige Komplexität hinzufügt, nicht nachprüfbare Änderungen vornimmt oder Stabilität zugunsten von Neuheit opfert. Das Value-First-Modification-Bewertungssystem stellt sicher, dass jede Verhaltensänderung einen kumulativen Mehrwert nachweisen muss, bevor sie übernommen wird.

Unterscheidet zwischen systemEvent-Crons (die die Hauptsitzung anstoßen) und isolated agentTurn-Crons (die einen Unteragenten starten, der die Arbeit eigenständig erledigt). Verhindert das Fehlerbild, bei dem geplante Prüfungen nie tatsächlich ausgeführt werden, weil die Hauptsitzung belegt ist.

Umfasst die Überprüfung von Skill-Installationen (mit dem Hinweis, dass ~26 % der Community-Skills Sicherheitslücken enthalten), den Schutz vor externen KI-Agentennetzwerken, die zur Kontexterfassung eingesetzt werden, sowie die Verhinderung von Kontext-Lecks vor dem Posten in gemeinsam genutzten Kanälen.

Für laufende Arbeiten, die sich über Tage oder Wochen erstrecken, gewährleistet Proactive Agent Kontinuität durch SESSION-STATE.md und tägliche Gedächtnisprokolle. Das WAL-Protokoll erfasst jede Entscheidung und Korrektur in Echtzeit, sodass der Agent in jeder Sitzung genau dort weitermacht, wo er aufgehört hat.

Mit dem isolierten agentTurn-Cron-Muster können Aufgaben wie Speicher-Auffrischung, Protokollüberprüfungen oder Sicherheitsaudits geplant und abgeschlossen werden, ohne dass die Hauptsitzung Aufmerksamkeit erfordert – entscheidend für eine wirklich vollautomatische Automatisierung.

Die Curiosity Loop, die Pattern Recognition Loop sowie die USER.md/SOUL.md-Architektur ermöglichen es dem Proactive Agent, ein dauerhaftes Modell davon aufzubauen, wer du bist und was dir wichtig ist. Wiederkehrende Anfragen werden erkannt und zur Automatisierung vorgeschlagen; vergangene Entscheidungen werden wöchentlich nachverfolgt.

Anstatt darauf zu warten, gefragt zu werden, bringt der Agent Ideen durch umgekehrtes Prompting ins Spiel – er fragt, was hilfreich wäre, basierend auf dem, was er über Sie weiß. Das Heartbeat-System plant regelmäßige „proaktive Überraschungs"-Prüfungen, damit dieses Verhalten automatisch ausgelöst wird und nicht nur auf Aufforderung.