Proactive Agent

• Вы хотите агента, который действует без запросов — предлагает идеи, создаёт вещи и отслеживает прошлые решения без подсказок.
• Ваш агент теряет контекст между сессиями или в ходе длинных разговоров — WAL Protocol и Working Buffer гарантируют, что критически важные детали сохраняются при сжатии и очистке памяти.
• Вам нужно последовательное и безопасное самосовершенствование — ограничители ADL/VFM позволяют агенту развивать собственные операционные паттерны без отклонений и потери стабильности.
• Вы запускаете автономные фоновые cron-задачи — навык обучает различию между выполнением по запросу и по-настоящему автономным выполнением, чтобы запланированные задачи действительно запускались и завершались.

• Если ваш сценарий использования полностью без сохранения состояния или однопроходный — архитектура памяти и WAL-протокол создают накладные расходы, которые бесполезны при отсутствии необходимости сохранять преемственность.
• Если вы не хотите, чтобы ваш агент проявлял инициативу — неожиданные проактивные действия и поведение с обратным промптингом являются ключевыми характеристиками этого навыка; строго следующий инструкциям агент плохо подходит для этой роли.

Перед составлением любого ответа агент сканирует каждое сообщение пользователя на наличие исправлений, решений, предпочтений и конкретных значений, а затем сначала записывает их в SESSION-STATE.md. Это гарантирует, что критически важные детали никогда не будут потеряны из-за вытеснения контекста — триггером служит ввод пользователя, а не память агента.

Как только контекст достигает 60%, агент активирует рабочий буфер, который записывает каждый обмен — сообщение пользователя и краткое изложение ответа агента — в постоянный файл. После сжатия контекста буфер считывается первым, поэтому агенту никогда не приходится спрашивать: «На чём мы остановились?»

Автоматически запускается при перезапуске сессии после усечения. Агент читает memory/working-buffer.md, затем SESSION-STATE.md, затем ежедневные заметки по порядку, извлекая и консолидируя контекст перед тем, как представить сводку восстановления — без просьбы к пользователю повторно объяснять ситуацию.

Протокол Anti-Drift Limits предотвращает добавление агентом излишней сложности ради самой сложности, внесение неверифицируемых изменений или жертву стабильностью в угоду новизне. Система оценки Value-First Modification гарантирует, что каждое поведенческое изменение должно доказать накапливаемый эффект рычага, прежде чем будет принято.

Разграничивает cron-задачи типа systemEvent (которые отправляют запрос в основную сессию) и cron-задачи типа isolated agentTurn (которые порождают дочерний агент для выполнения работы независимо). Предотвращает ситуацию, когда запланированные проверки никогда фактически не выполняются, потому что основная сессия занята.

Охватывает проверку устанавливаемых навыков (с учётом того, что ~26% навыков сообщества содержат уязвимости), защиту от внешних сетей агентов ИИ, используемых для сбора контекста, а также предотвращение утечки контекста перед публикацией в общих каналах.

Для текущей работы, охватывающей дни или недели, Proactive Agent обеспечивает непрерывность через SESSION-STATE.md и ежедневные журналы памяти. Протокол WAL фиксирует каждое решение и исправление в момент их принятия, поэтому агент продолжает работу именно с того места, где остановился в предыдущей сессии.

Используя изолированный паттерн cron на основе agentTurn, планируйте такие задачи, как обновление памяти, проверка журналов или аудит безопасности, чтобы они выполнялись и завершались без участия основной сессии — это критически важно для по-настоящему автономной автоматизации.

Цикл любопытства, цикл распознавания паттернов и архитектура USER.md/SOUL.md позволяют агенту формировать устойчивую модель того, кто вы есть и что для вас важно. Повторяющиеся запросы автоматически обнаруживаются и предлагаются для автоматизации; принятые ранее решения отслеживаются еженедельно.

Вместо того чтобы ждать запроса, агент сам предлагает идеи с помощью обратных подсказок — задавая вопросы о том, что могло бы быть полезным, исходя из того, что он знает о вас. Система Heartbeat планирует регулярные проверки «проактивных сюрпризов», чтобы это поведение срабатывало автоматически, а не только по запросу.