教程2026-11-18 · 智涌AI

主动式 Agent 怎么不招人烦:记忆来源与打扰设计

主动式 Agent 教程头图:左侧大字「主动式 Agent 不招人烦」与钩子「记忆决定该不该来找你,每次打扰都要好审」,三张数据卡为超过 70% 运行来自定时任务、3 类触发来源、3 条打扰设计原则;右侧四格卡片列出记忆来源 Seed、Feedback、Outcomes 和定时整理的 Dreaming,底注重要性、过期、重复三个难点

主动式 Agent 指的是不等你开口、自己按日程或事件醒来干活的 Agent:盯收件箱、扫新 PR、每天早上发一份简报。LangChain 11 月 17 日发了一篇内部经验总结,他们托管的 Managed Deep Agents 上,超过 70% 的运行已经来自定时任务,不是人临时敲的提示词。Agent 跑得越多,人的注意力就越不够用。这篇把那篇文章和 10 月 28 日的配套教程合在一起,讲主动式 Agent 的三类触发、记忆从哪来、怎么维护,以及「来找你」这件事该怎么设计才不会被你静音。

主动式 Agent 由三类触发驱动

LangChain 把主动式 Agent 的「醒来」归成三种来源:

触发例子谁来设
真实事件来了一封新邮件、有人开了新 PR外部系统推过来
开发者设的日程每晚更新一次记忆、每周扫一遍没人管的 PR写在 Agent 定义里
Agent 自己设的日程明天跟进某个线程、用户要的每日简报Agent 运行时调用接口创建

文章用的两个内部 Agent 正好覆盖这三类:销售用的 GTM Agent 盯新线索和回复、发每日简报、起草外联邮件;工程用的 Robin(前身是 Open SWE)起草 PR,并审每一个新 PR。Robin 的审查由「新 PR」这个事件触发,GTM Agent 的每日简报则是用户提了一次要求之后,它自己建的日程。

配套教程给了两种写日程的方式。固定日程就是 schedules/ 目录里的一个文件:

# schedules/daily_digest.py
from managed_deepagents import define_schedule

schedule = define_schedule(
    cron="0 8 * * 1-5",
    timezone="America/Los_Angeles",
    prompt="Inspect the sales report using your tools and send a KPI readout.",
)

想让用户在对话里说「每周一提醒我」,就把 Schedules SDK 包成工具交给 Agent,至少给它建、查、删三个:

@tool
async def set_schedule(prompt: str, cron: str, runtime: ManagedDeepAgentRuntime) -> str:
    """Run a prompt for the current user on a cron schedule."""
    item = await runtime.schedules.create(owner={"type": "user"}, cron=cron, prompt=prompt)
    return f"Created schedule {item['id']}."

只需要一次性提醒的 Agent,用 at= 参数做一个 check_in_later 就够了。教程还提了一句容易忽略的:同一时间点触发的任务很多时,调度服务应该加一点随机抖动(jitter),把负载摊开。

记忆决定它该不该来找你

Agent 被定时任务叫醒时,没有人告诉它这次要干嘛。新鲜上下文可以靠连接器去拿(收件箱、日历),但「你在意什么」只能来自记忆。文章拿一个管收件箱的助理举例:老板发来的关于明天发布的邮件要提醒你,每一封订阅通讯就不必了,能分清这两种,靠的就是记忆。

记忆按时间分三种信号:

存记忆往往只是写个文件,难在越存越多以后还好用。文章点了三个问题:重要性(哪些值得存、各有多重要)、过期(比如一个已经过去的发布日期)、重复(新信息要合并进旧条目,不能存第二份,免得以后两份互相矛盾)。很多主动式 Agent 的解法是「dreaming」:一个定时后台任务,读最近的运行轨迹,在下次运行前把记忆更新一遍。站内的 Dreaming 教程讲过 Anthropic 那一侧的具体做法。

记忆到底有没有用,文章建议挑几个它应该改善的结果来追:草稿多久能被批准、发出的邮件回复率多少。对任何主动式 Agent,都值得看一个数:它来找你的那些次里,你真正处理了几成。

文章拿新员工打比方:纠正过的错不再犯,你才会把更大的事交给他。Agent 记住了你的反馈,也就能拿到更多自主权。

来找你的方式,决定你会不会把它静音

主动式 Agent 通常带着一个问题或一个待批准的动作来找你。LangChain 内部 Agent 上最管用的是三条:

原则具体做法(LangChain 内部)
高信号GTM Agent 的审阅界面把会话分成三堆:等你处理的、需要起草回复的、不用回的。Robin 用一个叫 Jev 的决策模型判断要不要插进 Slack 对话,不硬插,也不只在被 @ 时才动。
好审审阅是你的反馈回到记忆的通道,审得越快它学得越快。在 Slack 里批量过外联草稿太慢,他们专门做了一个审阅界面。
在你工作的地方Agent 住在 Slack 里,每日简报作为一条消息出现在你正在聊的频道旁边,不另开看板。Robin 先给一两句标题,细节放线程回复;开 PR 时在 Slack 发一行摘要、改动大小和一个「认领」按钮。

文章还引用了 Goal Engineering 的说法:把 Agent 的目标对齐到「人最容易审阅的形式」,这样审阅体验好,能从你身上拿到的信息最多,Agent 也能一直学下去。

自己搭的时候按这个顺序

  1. 先列触发。写清哪些事件会叫醒它、哪些日程是你预设的、它能不能自己建日程。能自己建,就同时给它查和删的工具。
  2. 开跑前灌 seed。历史邮件、过往 PR 评论、团队规范,先让它有个起点。
  3. 每次打扰都留反馈入口。批准、改写、驳回带原因,三种操作都要能一键完成,并且写回记忆。
  4. 加一个整理任务。每天定时去重、删过期条目、调整重要性,别让记忆只增不减。
  5. 追一个打扰命中率。它来找你的次数里你真正处理的比例,低了就收紧它的上报条件。

想看另一套架构拆法,站内有 Anthropic 常驻 Agent 五部件。

常见坑

完成标准

最后

手上已经有一个定时跑的 Agent,先别加新功能,统计一周里它找你的次数和你真正处理的次数,比例偏低就先从「高信号」那一条改起。

关注公众号「智涌AI速递」

每天的 AI 快讯、实用教程和 AI项目实测,也会同步发到微信公众号。在微信里搜索「智涌AI速递」就能关注;不用微信的话,可以用 RSS 订阅本站。