Proactive Agent

• Je wil een agent die handelt zonder dat je erom vraagt — die ideeën aandraagt, dingen bouwt en terugkomt op eerdere beslissingen zonder aansporing.
• Je agent verliest context tussen sessies of tijdens lange gesprekken — WAL Protocol en Working Buffer zorgen ervoor dat cruciale details bewaard blijven bij compactie en geheugenresets.
• Je hebt consistente, veilige zelfverbetering nodig — de ADL/VFM-beveiligingen laten je agent zijn eigen werkpatronen ontwikkelen zonder af te wijken of de stabiliteit te verstoren.
• Je voert autonome achtergrond-cronjobs uit — de skill leert het onderscheid tussen aangestuurde en werkelijk autonome uitvoering, zodat geplande taken daadwerkelijk worden gestart en voltooid.

• Als uw gebruik puur stateloos of enkelvoudig is — de geheugenarchitectuur en het WAL-protocol voegen overhead toe die niet nuttig is wanneer er geen continuïteit te bewaren valt.
• Als u niet wilt dat uw agent initiatief neemt — het proactief verrassen en het omgekeerd prompten zijn kernkenmerken van de identiteit van deze skill; een agent die strikt instructies opvolgt past hier slecht bij.

Voordat de agent een reactie opstelt, scant hij elk bericht van de gebruiker op correcties, beslissingen, voorkeuren en specifieke waarden, en schrijft deze eerst weg naar SESSION-STATE.md. Dit zorgt ervoor dat kritieke details nooit verloren gaan door het verdwijnen uit de context — de trigger is de invoer van de gebruiker, niet het geheugen van de agent.

Zodra de context 60% bereikt, activeert de agent een werkbuffer die elke uitwisseling registreert — zowel het bericht van de gebruiker als een samenvatting van de reactie van de agent — in een permanent bestand. Na compactie wordt de buffer als eerste gelezen, zodat de agent nooit hoeft te vragen: "waar waren we ook alweer mee bezig?"

Wordt automatisch geactiveerd wanneer een sessie opnieuw start na afkapping. De agent leest memory/working-buffer.md, vervolgens SESSION-STATE.md, daarna dagelijkse notities op volgorde, waarbij context wordt geëxtraheerd en geconsolideerd voordat een herstelsamenvatting wordt gepresenteerd — zonder de gebruiker te vragen opnieuw uitleg te geven.

Het Anti-Drift Limieten-protocol voorkomt dat de agent onnodig complexiteit toevoegt, onverifieerbare wijzigingen doorvoert, of stabiliteit opoffert ten gunste van nieuwigheid. Het Waarde-Eerst Modificatie-scoresysteem zorgt ervoor dat elke gedragswijziging aantoonbare cumulatieve meerwaarde moet bewijzen voordat deze wordt overgenomen.

Maakt onderscheid tussen systemEvent-crons (die de hoofdsessie aansturen) en isolated agentTurn-crons (die een sub-agent starten om het werk zelfstandig uit te voeren). Voorkomt de foutmodus waarbij geplande controles nooit daadwerkelijk worden uitgevoerd omdat de hoofdsessie bezet is.

Behandelt het screenen van skill-installaties (met de richtlijn dat ~26% van de communityskills kwetsbaarheden bevat), bescherming tegen externe AI-agentnetwerken die worden gebruikt voor het verzamelen van contextinformatie, en het voorkomen van contextlekken voordat berichten worden geplaatst in gedeelde kanalen.

Voor doorlopend werk dat dagen of weken in beslag neemt, behoudt Proactive Agent de continuïteit via SESSION-STATE.md en dagelijkse geheugenlogboeken. Het WAL-protocol legt elke beslissing en correctie vast op het moment dat ze plaatsvinden, zodat de agent bij elke nieuwe sessie precies verdergaat waar hij gebleven was.

Met behulp van het geïsoleerde agentTurn cron-patroon kun je taken zoals geheugenverversing, logbeoordelingen of beveiligingsaudits inplannen om uit te voeren en te voltooien zonder dat de aandacht van de hoofdsessie vereist is — essentieel voor volledig handsfree automatisering.

De Curiosity Loop, Pattern Recognition Loop en de USER.md/SOUL.md-architectuur stellen de agent in staat een persistent model op te bouwen van wie jij bent en wat jij waardeert. Herhaalde verzoeken worden gedetecteerd en voorgesteld voor automatisering; eerder genomen beslissingen worden wekelijks opgevolgd.

In plaats van te wachten tot er om ideeën wordt gevraagd, brengt de agent ideeën naar voren via omgekeerd prompting — door te vragen wat nuttig zou zijn op basis van wat hij over jou weet. Het Heartbeat-systeem plant regelmatige "proactieve verrassing"-controles in, zodat dit gedrag automatisch wordt uitgevoerd en niet alleen wanneer er een prompt wordt gegeven.