AI guides

受够了AI失忆?复旦NLP推出的主动式助手A5越用越懂你,还会主动帮忙

By 机器之心2 viewsSource: 机器之心
受够了AI失忆?复旦NLP推出的主动式助手A5越用越懂你,还会主动帮忙

AI 写文章,往往黑话连篇、充满防御性。你费尽心思才让 AI “说人话”,可一旦新开一个对话,先前调好的语言风格就如奶油般化开,熟悉的 AI 味又卷土重来了。

The full text has not been translated yet. The Chinese original is shown below.

文章配图

AI 写文章,往往黑话连篇、充满防御性。你费尽心思才让 AI “说人话”,可一旦新开一个对话,先前调好的语言风格就如奶油般化开,熟悉的 AI 味又卷土重来了。

你告诉 AI 论文被录用,让它帮你整理去欧洲开会的材料时,它会先恭喜你,然后告诉你要准备什么,最后止步于聊天框。可如果在出发前一个月,它能主动提醒你申请签证、会议注册,出发前再提醒你预定机酒行程,你就能少花些精力,不用一直记着这些琐事。

说到底,一个真正的个人助手,应该在一次次交互中逐渐理解你的偏好、目标与工作方式,并据此在之后做出恰当的判断和行动。这需要它能把这份理解迁移到新任务,还要能感知背景变化与需求,看准时机提出建议。

可这些偏好和习惯,往往散落在一次次对话里,既没法一口气全告诉 AI,也不是多训练几轮就能记住的。

复旦 NLP 团队推出的 A5 提供了一个新的视角。

A5 是一个越用越懂你的主动式个人助手。它在长期交互中积累和更新对用户与项目的理解,将过去的偏好、经验和决定用于新任务;也会感知已接入资料的变化,调整正在推进的工作,主动向用户提出后续建议。

文章配图

  • Hugging Face Blog:https://huggingface.co/blog/KYLN24/introducing-a5
  • GitHub:Coming soon
  • 安装包:https://huggingface.co/buckets/KYLN24/a5-release

A5 能承担以下三种任务:

  1. 让过去的理解延伸到新任务。基于Context 索引、Memory 机制,A5 会从长期交互中积累并修正对用户与项目的认识,通过Autodream维护认识,将相关经验用于新的请求。
  2. 让正在执行的任务跟上资料变化。A5 利⽤Diff Engine感知接入上下⽂的变化,判断它们与当前任务的关系,将相关更新补充给正在执行的 Agent,使其能够重新检查方案、调整后续操作。
  3. 在用户再次提问前发现值得推进的工作。Proposal Engine结合新证据与已有目标,判断是否有值得提出的建议与帮助,交由用户判断是否执行。Workspace Wiki将工作空间的内容整理为供用户阅读的知识页面。

演示案例

下面通过旅行规划和项目上线两个演示案例,来展示 A5 是如何参与这样的协作的:

文章配图

在规划杭州行程时,用户希望多花时间参观南宋官窑博物馆。到了上海,用户又想进一步比较不同窑口的器形与釉色。随着交流推进,A5 对用户陶瓷兴趣的理解逐渐细化。

带着这种理解,当用户规划北京旅行,询问故宫和国博有哪些推荐展品时,A5 便结合这份兴趣推荐展品和观看角度,无需用户重新交代偏好。

文章配图

在一个开发资料库的项目中,A5 可以通过此前的讨论了解项目需求。当项目的需求文档发生变更,资料库从 “个人使用” 变为 “团队共用” 时,A5 能主动发现需求变化,并相应调整方案中的访问权限和维护分工。

在另一个项目中,当任务结束后,工作空间里收到了供应商的延期通知。A5 会结合原有测试要求,主动分析上线排期受到的影响。即使用户尚未提问,它也能主动提出调整排期的建议,并等待用户确认后执行。

终身上下文与主动性

两个场景里,A5 能记住偏好、也能察觉变化。这两点,恰恰是只靠单次对话做不到的。

单次会话的 Agent,在信息齐全时能完成相当复杂的任务。但真实的工作往往跨越多次会话:信息要在会话之间搬运,资料和任务状态又一直在变,发现变化、判断影响、做出调整,都得用户自己负责。个人助手的价值,正体现在替用户承担这些衔接工作 —— 迁移信息、跟进变化、协调任务。

A5 能做到这些,靠的是终身上下文与主动性。

终身上下文,既包含对用户偏好与工作方式的长期认识,也包含一项工作在跨会话推进过程中的目标、判断和进度。Agent 需要将分散的交互组织成对用户与工作的持续认识,理解这些认识的理由和适用条件,并应用在新的任务中。

用户发起的交互,和工作空间的变化并不同步,因此需要主动性来充当二者之间的桥梁。这要求 Agent 能围绕用户的目标和对用户的理解,识别值得关注的新内容,持续跟踪任务的进展,判断何时介入、提供什么帮助。

终身上下文与主动性在协作中相互作用。已有的理解可以为主动判断提供依据,用户的回应又能揭示理解中的偏差,成为后续修正的线索。这些修正会在之后的协作中让助手更清楚用户需要什么、什么时候适合提供帮助。

A5 是怎么做的

文章配图

A5 通过四种方式组织和维护对用户终身上下文的理解:

  1. Context 索引:Context 节点对应具体文件或保存的网页,语义节点按主题组织为可以逐层浏览的结构。
  2. Memory 系统:通过 Git 管理版本,MEMORY.md直接进入 Agent 上下文,承载相对稳定、跨任务有用的综合认识;详细笔记按需读取,保存具体事实与细节。按照应用范围划分为 Workspace Memory 与 User Memory。
  3. Workspace Wiki:通过 Git管理版本,一份面向用户的工作空间知识库。Agent 结合用户的目标与近期关注点,从资料、讨论和已有结论中筛选内容,组织成相互链接的主题页面,供用户查阅。
  4. Autodream:空闲时或由用户发起的维护操作。它会随资料与关注点的变化调整 Context 索引中的语义结构,以上次整理的 Memory Git 版本为基线,检查变化的笔记及相关记录,合并重复信息、修正或移除过时内容、归档低频记忆。最后会基于以上信息发布新的 Workspace Wiki。

文章配图

A5 通过两种机制赋予 Agent 主动性:

  1. Diff Engine:通过接收 Context 索引的通知,持续感知工作空间文件变化,发生变化时通知 Agent。
  2. Proposal Engine:汇集上下文变化、已完成交互和知识更新等证据,由 Proposal Agent 按需查阅资料、判断是否提出建议。

基于以上机制,A5 Harness 在 ReAct 循环上,通过插件与核心服务,加入跨会话记忆、工作空间变化感知和后台知识维护机制:

  • 会话开始时:Memory 插件将对用户和工作空间的已有认识带入上下文。
  • 执行过程中:Agent 借助 Context 索引定位资料,按需读取原文和记忆、调用工具,并根据工具结果继续判断。独立的异步 Memory Agent 启动,检索候选 Memory,去重后向前台 Agent Steer。Diff Engine 补充相关上下文的变化,帮助 Agent 调整后续操作。
  • 交互正常结束后:记忆提取任务可以检查本轮的新信息,保存有价值的内容,供后续会话使用。Wiki Agent 将新会话的知识发布为 Workspace Wiki。
  • 空闲时段或用户要求时:A5 会启动 Autodream,整理记忆与 Context 索引的语义结构,将积累的知识呈现为互相链接 Workspace Wiki 页面,供用户核查和修正。

从终身上下文到持续学习

此次发布的 A5 Harness,为跨会话协作和上下文管理提供了系统支持。但主动性和终身上下文能力,还需要模型层面的针对性训练。Harness 与模型的协同设计是未来研究的方向。

更长远地看,是如何把经验变成可复用、可迁移的能力:把反复有效的方法沉淀为技能,让长期积累的协作经验参与模型更新,使 Agent 在新任务中用好这些经验,同时在吸收新经验时保留已有能力。

由此,用户、Agent 和工作空间得以实现共同进化。用户逐渐明确目标、探索新的工作方式,Agent 调整理解和帮助方式,工作空间里的知识与工作流也随之演化。

再往前一步,是递归自我改进(RSI)。如何让 Agent 根据协作中遇到的问题,参与改进工具、工作流、记忆策略、Harness 甚至模型本身,自主给出优化方向并验证效果。

快速开始体验 A5

文章配图

A5 技术预览 v0.3.1 安装包已开放下载,支持 macOS 和 Linux,代码将在不久后开源。

  • 下载链接:https://huggingface.co/buckets/KYLN24/a5-release
  • 安装教程:https://huggingface.co/blog/KYLN24/introducing-a5#a5-installation-zh

写在最后

过去,我们评价 AI,往往看它能不能写代码、解数学题,或完成复杂的任务。但当 AI 真正进入日常工作和生活,我们需要的可能不只是一个能解决难题的专家,还需要一个记得住过去、跟得上变化,并能在适当的时候主动帮忙的搭档。

A5 探索的,正是这样一种个人助手:通过一套 “记住、察觉、主动” 的机制,让 Agent 在持续使用中积累对用户的理解,并将这种理解转化为实际帮助。个人 Agent 正在从被动响应走向主动协作。

当然,当助手越来越了解用户,新的问题也随之出现:我们愿意让它知道多少?又愿意把多少判断和行动交给它?再往远看,当 AI 开始替我们记住、跟进和提醒,人自己的能力边界会不会也随之上移?工作与生活之间那条线,又会不会因为一个时刻在场的助手而重新划分?这些问题眼下没有答案,但它们或许比 “助手好不好用” 更值得长期观察。

联系邮箱:hlguo26@m.fudan.edu.cn

文章来自于"机器之心",作者 "机器之心"。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)