这项由港中文、普林斯顿与普渡大学联合提出的ProAgent框架，首次系统性实现智能体的主动感知与推理。它不等待指令，而是基于多模态实时环境理解，动态预判用户需求，在真实场景中将主动预测准确率提升33.4%，显著降低认知负担与设备能耗。
智能速览
首创‘主动式’智能体范式，突破传统被动响应局限
融合GPS、IMU、语音转录与角色文本四类传感器建模用户状态
按需分层感知策略使高成本视觉模块仅在必要时激活，功耗大幅下降
个性化主动推理支持1-5分主动评分与安全可控的工具调用分类
自适应时间约束机制通过BERT语义去重，减少75% Token消耗与重复打扰
在9大生活场景实测中，用户满意度、及时性与相关性全面超越主流系统
精华内容
当智能体不再静待指令，而能结合位置、动作、语音与偏好提前预判需求，人机交互的效率边界便被重新定义。ProAgent正是这一转变的技术锚点。
从被动到主动
传统智能体严格遵循‘输入-响应’闭环，用户需持续明确表达意图，导致操作频次高、认知负荷重。ProAgent则构建了以用户为中心的主动循环：持续采集低开销传感器数据（如GPS坐标、IMU运动状态），一旦检测到环境变化（如用户步入商场、语速加快、停留超阈值），即触发高精度视觉感知与深度推理，将交互起点前移至需求形成初期。
这种范式迁移使系统响应不再是‘对指令的反馈’，而是‘对情境的预判’。实验显示，在购物与通勤等高频场景中，用户平均单任务操作步骤减少2.3步，主观认知负荷量表（NASA-TLX）得分下降19%。
分层感知降耗
ProAgent采用双层感知架构：低成本传感器（GPS、IMU、麦克风）始终在线运行，功耗稳定控制在8.2mW以内；高成本模块（RGB摄像头、深度传感器）仅在分层触发器判定为必要时启动，平均每日激活时长缩短至17分钟，较全时视觉方案降低设备端功耗68%。
在CAB-Lite基准测试中，该策略使移动端连续工作时长延长至14.6小时（同电池容量下），且未牺牲关键事件捕获率——对‘用户抬手看表’‘驻足凝视商品’等微动作识别准确率达91.4%，高于恒定视觉基线7.2个百分点。
推理链可定制
ProAgent生成的推理链包含三个可配置环节：主动评分（1–5分）、工具调用决策（检索类/执行类）、辅助消息生成。其中主动评分阈值支持按用户类型设定，例如为视障用户设为2分即触发导航提醒，而对普通用户设为4分才启动复杂操作，避免过度干预。
工具调用严格区分安全等级：天气查询、路线规划等检索类操作可自主完成；发送邮件、拨打电话等执行类操作则强制插入二次确认弹窗，并记录操作上下文供事后追溯。在20人用户研究中，该设计使误触发率降至0.8%，同时保持92%的有用请求响应覆盖率。
时间约束提效
为防止信息过载，ProAgent引入动态时间窗口机制：仅将过去90秒内语义不重复的嵌入向量纳入当前推理上下文，其余自动剔除。其底层采用轻量化BERT变体（参数量仅11M），在端侧完成语义重复检测，延迟低于320ms。
对比周期性通知基线（每5分钟推送一次），ProAgent将无效通知减少83%，用户干扰性评分达4.0/5.0（标准差0.3）。在旅行场景中，用户收到的冗余航班变更提醒下降91%，但关键登机口变更提醒准时率达100%。
ProAgent不仅是一项技术改进，更是对人机关系本质的一次重审：智能体的价值不在于响应多快，而在于是否真正理解‘此刻用户需要什么’。它用实证数据证明，主动不等于侵扰，智能可以兼具前瞻性与克制感。未来，这类框架会否成为OS级能力？又该如何平衡主动性与隐私边界？这些问题正随ProAgent的落地而愈发迫切。
