核心用法
Proactive Agent 是一套完整的AI智能体行为模式框架，旨在将传统"被动等待指令"的AI转变为"主动预判需求"的智能伙伴。
部署流程：
1. 复制模板文件（ONBOARDING.md、SOUL.md、USER.md、AGENTS.md、MEMORY.md等）到工作目录
2. 完成用户画像采集（交互式/渐进式/跳过三种模式）
3. 运行安全审计脚本 ./scripts/security-audit.sh
4. 配置Heartbeat定时自检机制
五大核心支柱：
| 支柱 | 功能 |
|------|------|
| **记忆架构** | 双层级记忆（每日原始日志+精炼长期记忆），支持语义搜索与预压缩刷新 |
| **安全加固** | 注入攻击防御、外部内容=数据而非指令、删除确认机制 |
| **自修复能力** | 自主诊断→研究→修复→测试→文档化完整闭环 |
| **对齐系统** | 每会话读取SOUL.md/USER.md锚定身份，防止目标漂移 |
| **主动惊喜** | 每日自问"什么能让用户惊喜"，反向提示 surfaced 未表达需求 |
关键创新：反向提示（Reverse Prompting）
- 在获取新上下文后主动提问："基于对你的了解，我可以为你做哪5件事？"
- 实测案例： surfaced 用户未明确表达的财务规划工具需求
显著优点
1. 零依赖纯文档架构：无外部API、无第三方依赖、无package.json，部署风险极低
2. 内置完整安全体系：
3. 渐进式用户画像：支持中断/恢复/ opportunistic 学习，不阻塞首日使用
4. 自我进化飞轮：Curiosity→Pattern→Capability→Outcome 四环增长模型
5. 记忆持久化保障：预压缩刷新机制确保关键上下文在窗口填满时不丢失
- 注入防御规则（明确区分DATA/commands边界）
- security-audit.sh 脚本检查凭证权限、秘密泄露、网关配置
- 主动行为边界：内部可构建，外部操作必须人工审批
潜在缺点与局限性
1. T3来源需适度警惕：作者Hal 9001为个人开发者，虽代码透明且持续维护，但企业级场景建议Fork后自主维护
2. 模板化配置成本：SOUL.md/AGENTS.md需根据实际场景深度定制，初期投入约1-2小时
3. 依赖模型能力：反向提示、自修复等高级功能需要具备工具调用和反思能力的模型（Claude 3.5+、GPT-4+）
4. 无内置同步机制：多设备场景需自行解决记忆文件同步
5. Heartbeat需外部调度：依赖cron或类似机制触发，非完全自治
适合人群
- AI Agent开发者：希望构建超越"问答机器人"的主动型智能体
- 高频AI协作者：每日使用AI超过2小时，需要跨会话记忆 continuity
- 自动化极客：追求"AI预判我未说出口的需求"的体验
- 安全敏感用户：重视注入防御、权限边界、可审计性
常规风险
| 风险场景 | 缓解措施 |
|----------|----------|
| 记忆文件权限泄露 | 遵循建议：`.credentials/` 700权限，敏感文件600权限，纳入.gitignore |
| 过度主动打扰用户 | 内置"无外部操作未经审批"硬边界，可配置Heartbeat频率 |
| 自我修复循环失控 | 限制尝试次数（10次上限），复杂问题转人工 |
| 来源更新不可控 | 关注@halthelobster获取更新，关键环境Fork维护 |
总体评估：优秀的设计理念与扎实的安全实践，适合作为个人AI伴侣或原型开发的基础框架。