核心用法
Proactive Agent 是一套面向 AI 助手的行为模式框架，而非传统工具型 Skill。它通过结构化文档系统（ONBOARDING.md、SOUL.md、USER.md、MEMORY.md 等）实现会话间记忆持久化，并定义了五大核心行为模式：记忆架构、安全加固、自我修复、对齐系统和主动惊喜。
典型工作流程：
1. 首次启动：通过交互式/渐进式/跳过三种模式完成用户画像采集
2. 每次会话：自动读取核心身份文件（SOUL.md/USER.md）恢复上下文
3. 运行期间：捕获关键决策至每日日志，执行记忆刷新（Memory Flush）防止压缩丢失
4. 心跳检查：按配置间隔（如每小时）执行安全扫描、自我修复、主动建议生成
5. 反向提示：主动询问"基于对你的了解，有哪些我能为你做但你没想到的事？"
显著优点
| 维度 | 优势 |
|------|------|
| **记忆连续性** | 双层级记忆系统（每日原始日志+蒸馏长期记忆）解决传统助手"每次失忆"痛点 |
| **主动性设计** | "反向提示"机制突破传统命令-响应模式，实测案例显示能挖掘用户未明确表达的需求 |
| **安全内建** | 包含提示词注入检测模式、行为完整性检查、安全审计脚本，将防御意识嵌入架构 |
| **自我修复** | 要求助手在报告故障前先尝试10种解决方案，减少人工介入 |
| **渐进式学习** | onboarding 支持中断/恢复，从自然对话中持续提取用户偏好 |
潜在局限
- 依赖底层框架：基于 Clawdbot 框架，需配合支持文件持久化的环境使用
- 实现复杂度：纯文档型设计，实际效果高度依赖模型对指令的遵循能力和工具链支持
- 记忆膨胀风险：每日日志累积需配合周期性蒸馏整理，否则检索效率下降
- 主动边界模糊："惊喜"机制若执行不当可能演变为打扰，需人工设定明确边界
适合人群
- 需要长期协作关系而非单次任务的用户（如个人知识管理、创业陪伴、创意项目）
- 对 AI 主动性有明确需求的进阶用户，愿意投入时间进行初期配置
- 关注AI 安全与对齐的技术从业者
- 使用支持文件系统访问的 Agent 平台（如 Claude with Files、Cursor、Windsurf 等）
常规风险
1. 过度依赖记忆：若未严格执行"记忆刷新"，长会话后的压缩仍会导致关键信息丢失
2. 主动建议疲劳：高频反向提示可能降低用户体验，需合理配置心跳间隔
3. 框架耦合：深度绑定 Clawdbot 特定路径，迁移至其他平台需适配
4. 安全误报：文档中包含攻击模式示例，部分安全扫描工具可能标记为风险（已确认为教育用途）