Proactive Agent

• Du vill ha en agent som agerar utan att bli tillfrågad — som lyfter fram idéer, bygger saker och följer upp tidigare beslut utan uppmaning.
• Din agent tappar kontext mellan sessioner eller under långa konversationer — WAL Protocol och Working Buffer säkerställer att kritiska detaljer överlever komprimering och minnesrensning.
• Du behöver konsekvent, säker självförbättring — ADL/VFM-skyddsräckena låter din agent utveckla sina egna driftsmönster utan att drifta eller bryta stabiliteten.
• Du kör autonoma bakgrundsjobb med cron — skickligheten lär ut skillnaden mellan uppmanad kontra verkligt autonom körning så att schemalagda uppgifter faktiskt startar och slutförs.

• Om ditt användningsfall är helt tillståndslöst eller enkelvänt — minnearkitekturen och WAL-protokollet tillför overhead som inte är användbar när det inte finns någon kontinuitet att bevara.
• Om du inte vill att din agent ska ta initiativ — det proaktiva överraskningsbeteendet och omvänd promptning är kärnan i den här färdighetens identitet; en strikt instruktionsföljande agent passar dåligt.

Innan agenten formulerar något svar skannar den varje meddelande från användaren efter korrigeringar, beslut, preferenser och specifika värden, och skriver sedan dessa till SESSION-STATE.md först. Detta säkerställer att viktiga detaljer aldrig går förlorade på grund av kontextbortfall — det som utlöser processen är användarens inmatning, inte agentens minne.

När kontexten når 60 % aktiverar agenten en arbetsbuffert som loggar varje utbyte — både användarens meddelande och en sammanfattning av agentens svar — till en beständig fil. Efter komprimering läses bufferten först, så att agenten aldrig behöver fråga "vad höll vi på med?"

Utlöses automatiskt när en session startar om efter trunkering. Agenten läser memory/working-buffer.md, sedan SESSION-STATE.md, och därefter dagliga anteckningar i ordning, extraherar och konsoliderar kontext innan den presenterar en återställningssammanfattning — utan att be användaren förklara om.

Anti-Drift Limits-protokollet förhindrar att agenten lägger till komplexitet för sin egen skull, gör overifierbara ändringar eller offrar stabilitet för nyhetens skull. Value-First Modification-poängsystemet säkerställer att varje beteendeförändring måste bevisa sammansatt hävstångseffekt innan den antas.

Skiljer mellan systemEvent-crons (som promptar huvudsessionen) och isolated agentTurn-crons (som skapar en underagent för att utföra arbetet självständigt). Förhindrar det felmönster där schemalagda kontroller aldrig faktiskt körs eftersom huvudsessionen är upptagen.

Täcker granskning av skillinstallationer (med vägledning om att ~26 % av community-skills innehåller sårbarheter), skydd mot externa AI-agentnätverk som används för kontextinsamling samt förebyggande av kontextläckage innan publicering i delade kanaler.

För pågående arbete som sträcker sig över dagar eller veckor upprätthåller Proactive Agent kontinuitet genom SESSION-STATE.md och dagliga minnesloggar. WAL-protokollet fångar varje beslut och korrigering i realtid, så att agenten återupptar arbetet exakt där den slutade vid varje session.

Med hjälp av det isolerade agentTurn-kronmönstret kan du schemalägga uppgifter som minnesuppdatering, logggranskningar eller säkerhetsrevisioner för att köras och slutföras utan att kräva uppmärksamhet från huvudsessionen — avgörande för verkligt händelseoberoende automatisering.

The Curiosity Loop, Pattern Recognition Loop och USER.md/SOUL.md-arkitekturen låter Proactive Agent bygga upp en beständig modell av vem du är och vad du värdesätter. Återkommande förfrågningar upptäcks och föreslås för automatisering; tidigare beslut följs upp varje vecka.

Istället för att vänta på att bli tillfrågad lyfter agenten fram idéer via omvänd promptning — den frågar vad som skulle vara användbart baserat på vad den vet om dig. Heartbeat System schemalägger regelbundna "proaktiva överrasknings"-kontroller så att detta beteende aktiveras automatiskt, inte bara när det efterfrågas.