一个反直觉的信号：它开始反过来提示你
先抛一个问题：如果有一天你打开工作台，agent 没有安静地等着你敲下一条指令，而是先开口——“我注意到你昨天那份方案的第三节还没收尾，我按你上周的口径起了个草，你要不要现在看一眼？"——你会觉得这是贴心，还是觉得被冒犯？
这半年，我注意到一个反直觉的信号。我常年把前沿 agent 产品的发布、一手信源、论文与 benchmark 尽量全量过一遍之后，一个越来越清晰的趋势是：越来越多的 agent 不再等你发指令，而是反过来提示你该做什么。 它读你的上下文，判断此刻什么最值得做，然后主动把这件事推到你面前。
这是噱头，还是拐点？我的判断很明确：这是拐点，而且是 agent 产品形态的第三次范式迁移。 它听起来只是一个"通知功能"的小升级，但只要你顺着它往下推，就会发现它重写的是人和机器之间谁驱动谁的根本关系。这一篇，我想把这件事讲透：它从哪来，靠什么立起来，为什么我认为下半场它会先火一批再死一批，以及它最大的敌人究竟是什么。
一张时间线：从"你命令它"到"它提示你”
要看清主动式的位置，得先把 agent 的交互史摆平了看。我习惯把它压成一条极简的时间线：
AI Agent 交互范式迁移
命令行式 对话式 主动式
(CLI-style) (Chat-style) (Proactive)
│ │ │
你 → 精确指令 你 → 自然语言 它 → 读你的上下文
│ │ │
"run --flag x" "帮我把这段重构" "这三件事今天值得做，
其中一件我已起草好"
│ │ │
人做全部判断 人给意图 它先给判断，
机器做执行 机器补细节 人来否决或采纳
│ │ │
────●─────────────────●──────────────────●──────▶
谁在驱动谁： 你驱动它 它开始驱动
你的注意力
第一阶段是命令行式。你得把意图翻译成机器能吃的精确指令，一个 flag 打错就是另一个结果。控制权百分之百在你手里，代价是你要承担全部的翻译成本——你得先学会它的语言。
第二阶段是对话式，也就是过去两三年的主流。自然语言成了接口，你说"帮我把这个函数重构得可读一点"，它来补细节。门槛塌了一大截，但有一个东西没变：它依然在等你开口。 对话式 agent 本质上是一个极其聪明的被动响应器，你不发消息，它就永远沉默。它的智能是有的，但它的智能只有在你想起来调用它的那一刻才存在。
第三阶段就是我说的主动式。分水岭在于主语变了——不是你提示它，而是它提示你。 它持续读你的上下文：你的日程、你未完成的任务、你收件箱里堆着的东西、你上一段对话没聊完的线头，然后它自己判断"此刻最值得你处理的是什么"，主动推给你。
你注意到这三步的规律没有：每一次范式迁移，都是把一部分"判断"从人这一侧挪到了机器那一侧。 命令行时代人做全部判断；对话时代人给意图、机器补细节；到主动式，机器开始替你做"现在该干什么"这个元判断。这不是交互皮肤的更新，这是决策权的再分配。
把这三代摆成一张表，那个被让渡出去的东西会更刺眼一点：
| 命令行式 | 对话式 | 主动式 | |
|---|---|---|---|
| 谁发起 | 你 | 你 | 它 |
| 你要付的翻译成本 | 高（学它的语言） | 低（说人话） | 趋近于零 |
| 机器承担的判断 | 无 | 细节层 | “现在该做什么” |
| 失败的形态 | 报错（响） | 答歪（你当场看得见） | 打扰（你不看也会被扣分） |
| 失败的代价由谁承担 | 你，立刻 | 你，立刻 | 你，持续且滞后 |
| 你不用它时它的价值 | 零 | 零 | 仍在累积 |
最后两行是这张表真正的重点。前两代 agent 的失败是当场结算的：命令打错就报错，回答跑偏你一眼看见，你骂一句改一遍就过去了。主动式不一样——它的失败是你没喊它的时候发生的，而且是记在你的账上。 一个对话式 agent 你不打开它，它顶多是白花了订阅费；一个主动式 agent 你不打开它，它还在替你判断、还在决定要不要捅你一下。这个"你不在场它也在做事"的属性，既是它全部价值的来源，也是它全部风险的来源。这两件事是同一枚硬币，你没法只要一面。
主动式要立起来，靠的是这三块底座
我见过太多产品把"主动"做成了一个定时弹窗——每天早上九点准时问你"今天有什么可以帮你的吗"。那不是主动式，那是一个更烦人的闹钟。 真正的主动式，背后必须有三块硬底座撑着，缺一块它就退化成噱头。
第一块是持久记忆。 一个只活在单次会话里的 agent 是不可能主动的——它连"你昨天在纠结什么"都不记得，凭什么替你判断今天该做什么。主动式的前提是它有一条跨越时间的、关于你的上下文长河：你的偏好、你反复推迟的那件事、你上周说过"下周再说"的那个决定。记忆不是锦上添花的功能，它是主动式判断的燃料。关于持久记忆怎么撑起一个人的"超级个体"系统，我在 超级个体的情报系统 里展开过，这里不重复。
第二块是 agent 运行时，或者说沙箱。 这是过去半年我观察到的、正在悄悄成型的一层新基础设施。据我持续追踪，agent 运行时/沙箱正在成为一个独立的基础设施层——它给代码、文件、以及长时间运行的 agent 会话提供一个隔离、持久、可长跑的环境。为什么这对主动式是刚需？因为"主动"隐含着"它得在你不看它的时候还在干活"。 如果 agent 只在你打开对话框的那几秒钟存在，它永远不可能在你睡觉时替你盯着一件事。运行时给的就是这个"离线也在场"的能力：隔离保证它跑坏了不炸到你的主环境，持久保证它的状态不因为你关掉页面就蒸发，长跑保证它能陪一件事跑几个小时甚至过夜。
第三块是事件触发。 前两块解决"它记得"和"它在场"，事件触发解决"它什么时候开口"。主动式不能靠轮询硬猜，它需要被真实世界的事件唤醒：一封邮件进来、一个 PR 被合了、日历上一个会临近、某个指标越过阈值。事件是主动式的神经末梢，没有它，agent 就只能像那个九点闹钟一样机械地定时打扰。
这里有一个几乎所有人都会踩的坑，值得单独点出来：“有事件"不等于"该开口”。 这两者之间还差一整层过滤，而绝大多数产品把它们直接短接了——事件进来，提示弹出。结果就是你的 agent 变成了一个换皮的 webhook 转发器。真实的链条至少得有四段：
事件触发的四段链条（大多数产品只做了第一段和第四段）
① 事件 ② 相关性 ③ 时机 ④ 开口
───────── ───────── ───────── ─────────
PR 被合了 → 跟你这周 → 你现在在 → 提示 / 咽下
邮件进来 的重心有 → 开会 / 深度 →
指标越阈值 关系吗？ 工作吗？
│ │ │ │
客观的 需要记忆 需要状态感知 需要阈值
（便宜） （中等） （最难） （策略）
│ │ │ │
───●──────────────●───────────────●──────────────●───▶
有信号 值得管吗 现在合适吗 说还是不说
第 ① 段是免费的，webhook 和 API 早就成熟。第 ② 段靠持久记忆，还算好办。真正卡住所有人的是第 ③ 段——它凭什么知道你此刻能不能被打断？ 日历上写着"空闲"不代表你真空闲，你可能正在写一段绕了半小时才理清的逻辑。这一段的信号极其稀薄：日历状态、你最近有没有在敲键盘、你上一次响应提示花了多久、当前是不是你历史上的深度工作时段。据我观察，能把第 ③ 段做出诚意的产品，一只手数得过来；绝大多数直接跳过它，从 ② 跳到 ④。而跳过第 ③ 段的代价，正是下面那节要算的那笔账。
这三块拼在一起，才凑出一个能"读上下文—判断—在恰当时机开口"的完整回路。我这半年也确实看到，有产品把常驻 agent 直接嵌进团队协作工具里，无需你写一行代码，它就长在你的工作流里持续待命——这正是这三块底座开始被产品化的信号。
顺带说一句为什么这三块必须同时齐：它们是相乘关系，不是相加关系。缺了记忆，它在场也只会瞎判断；缺了运行时，它记得再多也只在你打开对话框的那几秒存在；缺了事件触发，前两块再厚也只能定时问你"今天有什么可以帮你的吗"。任何一块是零，整个乘积就是零。 这也是为什么市面上"主动式"产品一大半是伪的——它们只补齐了最容易的那一块，通常是事件触发，然后管这叫主动。
它重写的是人机分工，而不只是交互
把镜头拉远一点。前面那条时间线真正的重量，不在"交互更方便了"，而在它把人机分工的默认方向掉了个头。
对话式时代的分工是：你驱动它。 你是引擎，agent 是被你踩下油门才动的执行机构。你的注意力走到哪，它的能力才延伸到哪；你想不起来用它，它的全部智能就等于零。这个模式有个致命的天花板——agent 的价值被你的注意力带宽死死卡住。 你一天只有那么多次"想起来该让它干点什么"的时刻，超出这个数，再强的模型也帮不上忙。
主动式想拆的就是这个天花板。它的分工是：它驱动你的注意力。 agent 不再等你分配注意力，而是反过来帮你分配——它替你扫描那一大片你顾不过来的信息面，把真正值得你花注意力的东西筛出来、排好序、甚至先做掉一部分，再递到你面前。
这件事的分量，得放回我一直念叨的那句话里才掂得出来：信息不值钱，值钱的是处理信息的能力。 对话式 agent 帮你处理你已经决定要处理的信息；主动式 agent 帮你决定"哪些信息值得处理"——它把价值链条往上游又挪了一格。这一格挪得对不对、准不准，就是主动式产品之间真正拉开差距的地方，也是我下面要说的、下半场的胜负手。
用"过夜 agent"当活体案例
抽象讲三块底座容易发虚，我用一个我自己反复在用的场景来落地：过夜 agent。
传统的做法是这样的：你睡前给 agent 派一堆活，第二天醒来，它给你一份长长的"我做完了这些"的清单——然后你得从头读一遍，判断哪些能用、哪些跑歪了、哪些还得返工。注意，这个模式里主动性依然在你这边：是你睡前主动派的活，agent 只是把执行时间挪到了夜里。它勤快，但它被动。
主动式的过夜 agent 不一样。它靠持久记忆知道你这阵子在忙什么、卡在哪；靠运行时在你睡着后持续在场、长跑不掉线；靠事件触发在夜里该动的时候动。于是你早上醒来收到的，不是一堆待办，而是这样一句话：“根据你这周的重心，今天有三件事值得做，其中最急的这件我已经按你惯常的口径起了个初稿，你过一眼、改两笔就能发。”
感受一下这两者的差别。前者交付的是执行，你还得自己做判断；后者交付的是判断加执行的半成品，你只需要做否决或采纳。前者节省你的手，后者节省你的脑。而脑，才是那个真正稀缺的东西。
当然，这里必须诚实地补一句 caveat，别把这个案例讲成童话。
一段必须说的诚实话：它没那么美
我得说清楚：上面那个"早上醒来收到三件值得做的事"的场景，今天更多是理想态，而不是稳定态。 我自己在用主动式工作流的过程里，翻车是常态。
最典型的翻车是判断失准。它挑出来推给你的"今天最值得做的三件事"，有相当比例是它自作主张的排序错误——它把一件其实可以拖一周的事排在了最前面，反而漏掉了真正紧的。这背后是复合误差：读上下文错一点，判断优先级又错一点，两个小误差叠起来，产出的"建议"就可能整个方向都偏了。这类失败链条我在第 1 篇 里专门拆过——信息自动化每多一个自动决策环节，误差就多乘一次，主动式恰恰是把这条链条又拉长了一节。
还有一个更微妙的问题：主动式的价值高度依赖它对你的了解深度，而这个了解需要时间积累。 一个刚接手你工作流两天的主动 agent，它的"主动"大概率是骚扰，因为它还没攒够关于你的上下文，凭一点浅薄的信号就敢替你做判断。它得跟你磨合足够久，主动性才从"烦"慢慢变成"值"。这意味着主动式产品有一个很长的、体验为负的冷启动期——这一点，我认为绝大多数产品经理都低估了。
而这个冷启动期之所以致命，是因为它正好撞上一笔很多人没认真算过的账。
把打扰成本算成一笔账
“打扰成本被低估"这句话，如果只是感慨，那它就是句正确的废话。我试着把它算出来。
下面这个模型是我自己给自己的主动式工作流定阈值时用的，它不是什么严谨的学术模型，参数是我按自己的体感估的，你完全可以换成你自己的数字。但我想说明的是：只要你愿意认真填一次参数，你就会发现"该不该开口"这件事根本不是感觉问题，它是一道算术题，而且答案反直觉得离谱。
先定义两边。
一次正确提示的收益，记作 G。它帮你省下的，是你本来要花在"发现这件事"上的时间，加上一点"差点错过"的风险折价。按我自己的体感，一次真正准的提示，大概值 5 到 15 分钟。取中位数，G ≈ 10 分钟。
一次错误打扰的代价，记作 C。这里是关键——大多数人把 C 估成了"读一眼再关掉，30 秒”，这是错得最离谱的地方。 C 至少有三块：
一次错误打扰的真实代价 C
① 处理成本 读它、判断它没用、关掉 ≈ 0.5 分钟
② 重新入场成本 被打断后回到刚才的思路上 ≈ 10~20 分钟
（如果你正在深度工作）
③ 信任折价 下一次它开口时，你的默认 ← 不可用分钟计价
反应往下掉一格 但这才是杀手
─────────────────────────────────────────────
可计价部分 C ≈ 0.5 + 15 ≈ 15 分钟（深度工作时）
≈ 0.5 + 1 ≈ 1.5 分钟（你本来就在划水时）
第 ② 块是那个被系统性忽略的大头。打扰的代价不在于读它花了多久，而在于它把你从哪个状态里拽了出来。 同一条提示，在你摸鱼刷手机时弹出来，成本接近零；在你刚理清一段复杂逻辑的第三十分钟弹出来，成本是这半小时。同一个提示的成本，在不同时刻能差二十倍以上——这正是前面第 ③ 段"时机"为什么是最难也最值钱的一段。
现在把账算完。设 agent 的判断准确率为 p（它认为该提示的事，事后回看确实该提示的比例）。那么每一次开口的期望收益是：
E = p × G − (1 − p) × C
代入 G = 10、C = 15（假设它挑的是你专注的时候打扰你）：
p = 0.5 → E = 5 − 7.5 = −2.5 分钟 ← 净亏
p = 0.6 → E = 6 − 6 = 0 分钟 ← 刚好打平
p = 0.7 → E = 7 − 4.5 = +2.5 分钟
p = 0.8 → E = 8 − 3 = +5 分钟
p = 0.9 → E = 9 − 1.5 = +7.5 分钟
盯着 p = 0.6 那一行看三秒。 一个判断准确率 60% 的主动式 agent——听起来完全不算差，比瞎猜好多了——它的净贡献是零。 它一天替你抓住的和它一天浪费掉的，正好抵消。你付钱、你装它、你给它读你所有的上下文，换来一个数学上等于不存在的东西。
而这还没算第 ③ 块，信任折价。把它加进来，结论会更狠。信任折价的特点是它不线性、而且它是存量：错一次，扣的不只是这一次，是你对它未来所有提示的默认信任。我自己的体感是，连续两三次无谓打扰，就足以让我对它下一次开口的默认反应从"看看它说啥"翻转成"又来烦我"——而一旦翻转，后面它就算全对，我也不看了，它的 p 再高也乘不进来。
所以真正的公式其实是这样的：
E_真实 = p × G − (1 − p) × C − 信任折价(错误的连续次数)
└─ 这一项一旦触发
前面两项全部归零
这就是我说的残酷的不对称的数学形态：收益是线性累加的，信任是跳崖式的。 你做对一百次，攒的是一百份小便利；你连着做错三次，前面一百次全部作废——因为用户已经把你静音了，你后面的判断再准也进不到他眼前。
由此得到的操作结论只有一条：主动式 agent 的开口阈值，不该定在 0.5，该定在 0.8 以上。 这句话反直觉在哪？在于工程上我们习惯了"比随机好就发"的直觉——一个二分类器 accuracy 上了 0.6 我们就觉得能上线了。但主动式不是分类器，它的假阳性和假阴性代价严重不对称：漏报（该提示没提示）你顶多损失一次 G，你甚至不知道自己错过了；误报（不该提示却提示了）你损失 C，而且你明确地感受到了。感受到的痛，才是扣信任的那个东西。
所以主动式产品该像一个极度惜字如金的人：宁可漏，不可烦。 一个宁缺毋滥、一天只开一次口的 agent，你会觉得它靠谱；一个见事就报、一天开二十次口的 agent，哪怕它整体准确率更高，你三天之内就会把它静音。这不是用户不理性——恰恰相反，用户是在用最朴素的方式做正确的期望值计算。
下半场预测：主动式会成为热词，但先死一批
好，进入这个专栏的正题——下半场预测。
我的预测分两层。
第一层，主动式会在下半场成为最热的产品叙事之一。 这几乎是确定的。三块底座都在快速成熟：agent 运行时正在被产品化成一层独立基础设施，持久记忆的方案层出不穷，事件触发早就是成熟工程。当底座齐了，“它提示你"这个卖点会被无数产品抄进 slogan 里。你会在下半场看到一堆产品打着"不是你提示它，而是它提示你"的旗号出来——作为趋势，这我已经观察到苗头了。
第二层，也是我更想强调的——这批产品会先死一批，死因高度集中：打扰成本被严重低估。 我几乎可以断定，绝大多数第一波主动式产品会栽在同一个坑里：它们把"能主动"当成了目标，却没意识到"克制地主动"才是本事。
这个坑的数学形态，上一节已经算过了：在 p ≈ 0.6 的时候，一个主动式 agent 的净贡献就是零。 而 0.6 恰恰是一个新产品在冷启动期最典型的准确率区间——它还没攒够关于你的上下文，判断只能靠通用先验。于是第一波主动式产品会集体撞上同一堵墙：它们在自己最不准的那段时间里，最急着证明自己有用，于是开口最频繁。 这是一个自杀式的组合——冷启动期本该是最克制的时候，产品经理却因为要展示"你看它多主动"而把它调成了最聒噪的时候。等到三个月后它终于摸清你的脾气、p 爬到 0.85 了，你早就把它静音卸载了。它不是死于不够聪明，它是死于没活到变聪明的那天。
这里有一个残酷的不对称，值得再钉一遍：主动式产品每一次正确的提示，给你的是小小的便利；而每一次错误的打扰，给你的是实实在在的恼火，还外加一点信任的流失。 便利是线性累加的，信任的流失却是跳崖式的——被无谓打扰几次之后，用户对它的下一次提示的默认反应就从"看看它说啥"变成了"又来烦我”。一旦滑到这一步，产品就死了，哪怕它后面的判断其实越来越准，也已经没人愿意看了。
所以我给下半场的判断是：主动式的护城河，不在"它敢不敢主动开口"，而在"它知不知道什么时候该闭嘴"。 那些把主动做成信息瀑布、恨不得每小时提醒你三次的产品，会在下半场被用户一个个静音、卸载。活下来的，会是那种一天只在真正关键的节点开一两次口、但每一次开口你都庆幸它开了口的产品。主动式的真正难点，从来不是技术上的"能不能提示"，而是产品上的"该不该提示"。 这是一个判断力问题，不是一个能力问题。
顺带一提，这也再次印证了我一直讲的那件事——agent 产品的胜负，98.4% 在脚手架（harness），1.6% 在模型本身。 底层的模型智能大家很快会拉平，“该不该在这一刻打扰你"这个判断，不长在模型的权重里，它长在你围绕模型搭的那套 harness 里：记忆怎么设计、触发阈值怎么调、什么信号该升级成提示、什么该默默咽下去。这套脚手架，才是主动式产品真正的护城河。
一个必须钉死的边界：主动 ≠ 自动决策
预测完，我要立刻钉一个边界，免得这篇文章被读成"放手让 agent 主动干一切"的鼓吹。
主动，绝不等于自动决策。 这两件事经常被混为一谈，但它们是两个维度。主动说的是"谁来发起”——是 agent 主动开口，还是你主动开口；自动决策说的是"谁来拍板"——是 agent 直接执行，还是你点头它才动。一个理想的主动式 agent，应该在"发起"上极度主动，在"拍板"上极度克制。
具体说：让 agent 主动扫描、主动判断、主动起草、主动把选项摆到你面前——这些都好，这正是它的价值所在。但任何不可逆的动作——把邮件发出去、把钱打出去、把生产环境的配置改了、把一条数据删了——必须停在 HITL（human-in-the-loop）那道闸前面，等你亲手放行。 主动式让 agent 走到了"临门一脚"，但那一脚该不该踢、往哪踢，这个决定权在可逆性存疑的地方，必须牢牢焊在人手里。
这背后是我反复强调的一条原则：安全长在 harness 里，不长在模型的自觉里。 你不能指望模型"自己有分寸"不去碰那些危险动作——分寸是靠工程约束焊死的，是靠 harness 里那道 HITL 闸挡住的，不是靠祈祷模型今天心情好。关于"如何才能放心地把一个 agent 放到无人值守状态下运行"、以及主动式所需要的信任究竟是怎么一层层工程化建立起来的，我在第 4 篇 里做过完整的拆解——主动式其实是无人值守信任的一个更进一步的形态，它不只要你信任 agent 的执行，还要你信任 agent 的判断，门槛只高不低。
主动式要真正 close the loop，闭的不是"感知—执行"这个技术回路，而是"感知—判断—在恰当时机、以恰当方式、就恰当的事，向人开口"这个人机协作回路。技术回路好闭，人机回路难闭，难就难在那个"恰当"。
落到手上：一份判断清单
讲了这么多推演，得给你一点能直接用的东西。下面两份清单，一份用来选（或建）主动式 agent，一份用来识别哪些是伪主动式。
如果你要建一个主动式 agent，这七件事按顺序做：
- 先把"不开口"设成默认值。 你的 harness 里应该有一条兜底规则：所有信号默认咽下去，只有显式越过阈值的才升级成提示。反过来做——默认提示、特殊情况才压制——你会永远在打补丁。
- 给每一条提示估 p，并把 p 落到日志里。 不是模型输出的那个 confidence（那玩意儿常年虚高），而是事后回看的命中率。没有这个数，你所有的阈值调整都是拍脑袋。这一维和第 1 篇里说的判断命中率 是同一个东西，只是这里量的是"它该不该开口"，那里量的是"它筛得准不准"。
- 阈值从 0.85 起步，然后往下试，而不是从 0.5 起步往上调。 前者的失败模式是"它有点安静"，后者的失败模式是"用户已经卸载了"。这两个错误的可恢复性差着一个数量级。
- 把"你现在能被打断吗"做成一等公民，而不是事后补丁。 哪怕只能拿到最粗的信号——日历上有没有会、最近十分钟有没有键盘活动、是不是你历史上的深度工作时段——也比没有强。这一段是前面那条四段链条里最难的第 ③ 段，做了就领先一大半人。
- 给提示分级，别把所有事都用同一个通道推。 至少分三档：可以攒到下一个自然停顿点批量给的、值得当场响一下的、以及必须立刻打断你的。绝大多数事情属于第一档，而绝大多数产品把所有事都当成了第二档。
- 留一条极低成本的反馈通路。 用户点掉一条提示的时候，你要能分清他是"这条没用"还是"这条有用但现在不该给我"。这两者的修法完全不同：前者调相关性，后者调时机。混在一起，你会用错药。
- 不可逆动作一律停在 HITL 闸前。 这条没有例外，理由上一节已经说完了。
反过来，下面这五种是伪主动式，见到可以直接排除：
- 定时问候型：每天固定时间问你"今天有什么可以帮你的吗"。这是闹钟，不是 agent——它连事件触发这最便宜的一块都没做。
- Webhook 转发型：有事件就推，中间没有任何相关性和时机过滤。你要的是个助理，它给你的是个消息队列。
- 无记忆型：装上第一天就开始给你提建议。它对你一无所知却敢替你判断，这不是主动，是莽撞。
- 只增不减型：提示只会越来越多，没有任何机制让它学会闭嘴。它把"活跃度"当成了健康指标，而活跃度恰恰是主动式最有害的北极星。
- 越权执行型：把"主动"理解成"不用问你就把事办了"。这个最危险，因为它混淆的正是下一节要钉死的那个边界——它把发起的主动，偷换成了拍板的主动。
一句话概括这两份清单背后的判据：看它有没有为"闭嘴"这件事做过工程。 有的，才配叫主动式。
结尾：从等你说话，到懂你不说的话
写到这儿，我自己也有点感慨。
回头看这三步——命令行式、对话式、主动式——它们其实是一条关于"机器越来越懂你"的曲线。命令行时代，机器只懂你精确说出来的；对话时代，机器开始懂你随口说出来的；到主动式，机器要开始懂你没说出来的——你没说但正在纠结的、没说但快要错过的、没说但其实最该做的。
这是一件让人兴奋又让人警惕的事。兴奋在于，如果它真做成了，我们每个人都相当于多了一个永远在场、永远替你盯着全局的伙伴，注意力这个最稀缺的资源被极大地放大了。警惕在于，一个懂你"没说出的话"的东西，一旦判断偏了、或者克制失了分寸，它对你的干扰和误导也会以同样的深度渗进来——它越懂你，它错的时候伤你越深。
所以我对主动式的态度，是既笃定又保留的。笃定它是方向：从"等你说话"到"懂你不说的话"，这条曲线不会掉头。保留在于我知道下半场会很热闹也会很惨烈：一堆产品会冲进来把"主动"做成打扰，然后一个个死掉，剩下极少数真正想明白"该不该开口"这件事的，会活成我们下一代工作方式的底座。
而作为使用者，我给自己也给你留一句提醒：当 agent 开始反过来提示你的时候，别急着全盘照做，也别急着一键静音。 真正值钱的，从来不是它替你生成的那些判断，而是你自己那份"决定采纳还是否决"的判断力。信息不值钱，处理信息的能力才值钱——到了主动式时代，这句话该再往前推一格：连"判断"都开始被 agent 代劳了，那么决定要不要相信这个判断的能力，才是你最后、也是最不该外包的护城河。
读者回响