9所高校发布126页持续在线个人智能路线图,将119个系统划入L0到L5六级
个人智能体咋总掉线?9顶校发布126页「持续在线智能体」路线图
- 19所高校23位研究者发布126页综述,梳理632篇文献与119个系统,定义持续在线个人智能
- 2综述提出感知、记忆、行动三模块与六条通道构成的闭环框架,后台常驻不等于持续在线
- 3按L0到L5分级,119个系统中52个未达持续在线,67个迈过L3,仅5项研究到L5无产品达标
- 4开源工具HALO审查40项工作并实测两个系统,指出记忆到感知、行动到记忆是最薄弱的两条通道
个人智能体的竞争正从单点功能转向感知、记忆、行动协同的系统架构,这份综述提供了衡量产品真实成色的分级标尺。
- 影响:后台常驻和定时触发只是L2水平,评估智能体产品不能只看功能清单;错误记忆会被系统反复调用放大,长期运行的纠错成本要提前计入;自演化功能带来的权限与边界问题需要在上线前明确。
- 参考:可考虑用L0到L5标准盘点在用或待采购的智能体,并要求厂商说明定级依据;开发团队值得用开源的HALO为自建系统做通道诊断,优先检查记忆到感知与行动到记忆两条链路。
- 依据:分级结论基于632篇文献和119个系统的梳理,产品按公开资料定级只代表能力下限;HALO诊断来自40项工作审查加AiGet与EAIA两个开源系统的实测。
个人智能体,正在迎来一场前所未有的密集爆发。
在海外,前沿AI实验室接连出手,推出Muse、dots、Claude Duet、Grok Bot、Gemini Daily Brief等重磅产品。它们不再只是被动地等待用户提问:有的在对话结束后继续在云端默默干活,有的每天清晨准时送来定制简报,还有的每隔几小时自动巡检一次用户的关联账户。
在国内,腾讯、阿里、字节等大厂也在极速跟进,相继上线了灵光2.0、LightVela、千问Go!等产品。而在硬件端,雷鸟、乐奇(Rokid)等AI眼镜开始主打全天候记录与记忆用户身边的点滴;具身智能同样在朝同一方向演进:
前沿大模型正成为机器人的高层「大脑」,下一步就是化身更懂用户的生活伙伴。
如此密集的发布潮,释放了一个极其明确的信号:个人智能的下半场竞争,正从比拼单一模型和单点功能,全面转向比拼一套完整的系统架构。
这不仅要求系统能够长期运行,更要求感知、记忆和行动三大模块彼此协同、互通信息——而且,这一切必须在用户不开口的时候自主发生。
然而,一连串灵魂拷问也随之而来:
- 挂在后台一直跑,就算真正的「持续在线」吗?
- 当用户不在场、或者没有发出指令时,助手到底该做什么,又不该做什么?
归结起来,整个行业都在寻找三个核心问题的答案:一个助手怎样才算真正「持续在线」?它怎样才能「越用越懂你」?现有的系统距离这两步究竟还有多远?
图1|路线图总览:定义持续闭环,审视三个模块,分析集成系统与闭环等级,用HALO审查现有系统,讨论开放问题
围绕上述三大追问,来自南洋理工大学、加州大学伯克利分校、普林斯顿大学、斯坦福大学、新加坡国立大学、阿卜杜拉国王科技大学(KAUST)、达特茅斯学院、北卡罗来纳大学教堂山分校和美国西北大学共9所高校的23位研究者,联合发布了126页的全景综述。
论文链接:https://www.preprints.org/manuscript/202611.0793
项目主页:https://always-on-intelligence.github.io
论文清单:https://github.com/Always-On-Intelligence/awesome-always-on-personal-intelligence
在论文中,作者想强调的是:助手「一直开着」,并不等于「持续在线」。
「持续在线」(Always-On)并不是一个新词。在软件和硬件工程里,它早就用来形容一直开机、随时可用的系统。
但放到个人助手身上,它到底意味着什么,还没有一个明确的定义。近来这类系统又常和主动式智能体(Proactive Agent)、个人智能体(Personal Agent)、长程智能体(Long-Horizon Agent)等概念混在一起,边界更加模糊。
为此,这篇综述梳理了632篇文献以及119个研究系统和产品,覆盖可穿戴、数字和具身智能三类场景。
作者以「感知、记忆、行动三个功能模块×六条有向信息流」的闭环视角,给出了持续在线个人智能的定义、功能框架、六个等级与未来路线图,并提出最终构想:用户掌舵,助手运行。
今天的智能体虽然已经能替人分担不少具体工作,却依然需要人时刻留在闭环里,一步步发指令、给许可,闭环才转得起来。而在论文设想的最终形态中,用户不必再亲自维持闭环的运转,只负责掌控方向、划定边界。
助手则自己决定何时观察、何时出手,根据经验改进自己的工作方式,只在需要用户授权的行动前停下来请求确认。
项目主页还同步上线了一个趣味十足的交互式Demo:在8个日常场景里,读者可以替助手做一次决定,再看看换一种情况会怎样。
什么才算真正的「持续在线」?
不妨先看一个日常小场景:你对助手说了一句,「开完会提醒我把报告发出去。」
话音刚落,对话就结束了,但助手的工作才刚刚开始——它需要自己留意会议什么时候结束,再挑一个恰当的时机弹出提醒,并且在此期间一直记着这件尚未办妥的差事。
论文将这一过程提炼为持续在线助手必须同时具备的两大核心性质:
- 运行连续性(Operational Continuity):在没有新请求时,助手也能根据当前态势,自主决定是否行动、何时行动——其中,「保持等待」本身也是一种合理的决策。
- 状态持久性(State Durability):跨越多次交互,持续保留可用的个人状态(例如用户的偏好,以及助手答应过但还没办完的承诺)。即便当前对话已经结束,这些待办事项依然能在未来的某个时刻由助手自主兑现。
这两大性质合二为一,便构成了「持续闭环」(Continuing Loop),这也是持续在线个人智能的基石。
按照这一严格标准,市面上几类常见的助手其实都还算不上真正的「持续在线」:
- 有记忆但被动的助手:拥有长期记忆,却每次都要等用户先开口,这只具备「状态持久性」;
- 主动搭话却无沉淀的助手:虽然能主动发起对话,但聊完什么也不保留,这只具备「运行连续性」;
- 机械的定时任务:闹钟或脚本虽然能全天候运行,但只是按预设时间机械触发,自己并没有做任何决策。
持续在线和长程智能体(Long-Horizon Agent)也不是一回事。长程智能体关心的是「如何跑完一个给定的复杂任务」,哪怕跨越多个会话;而持续在线的个人智能面对的则是另一种情况:用户的目标与需求随时在变,新的状况层出不穷,它必须在动态变化中提供不间断的陪伴与支持。
为了适应这种持续变化,光靠「死记硬背」更多信息远远不够,助手还必须在运行过程中不断改进自己的工作机制。论文将这种高阶能力称为「自演化」(Self-Evolution)。
持续闭环是基础,自演化是方向
基于上述定义,综述提出了全文的核心论点:持续在线个人智能的基础是「持续闭环」,演进方向是「自演化」。
理解「持续在线」的关键,在于把视野从单一能力拉升到整个闭环。主动开口、长期记忆、后台驻留,单拎出哪一项都撑不起持续在线。只有当观察、记忆和行动在两次请求之间的空白期依然协同运转、传递信息时,持续在线才真正成立。因此,持续在线是整个闭环的系统属性,而非某个模块的局部功能。
在此基础上,「自演化」是持续闭环的进阶扩展。这里要厘清一个常见误区:记住用户不等于自演化。
依然拿「会后提醒」举例:把「用户喜欢回到工位后再收提醒」存下来,仅仅是更新了一条记录,助手的工作方式并未改变。只有当助手发现之前的提醒总是被频繁关闭,进而把提醒时机的规则改成「等用户回到工位后再提醒」,这才是真正修订了机制。
机制一改,后续所有输入的处理方式都会随之改变。正因如此,论文对自演化提出了更高的要求:
- 可追溯、可检查、可撤回:每一次机制修订都要能追溯到具体依据,在生效前经过检查,并且可以撤回。
- 完整的证据链:要证明一个系统具备自演化能力,得拿出从「做了什么」「结果如何」到「修改后的规则确实在后续使用中生效」的完整证据。
沿着从「基础」到「方向」的脉络,论文把发展路径划分为L0到L5六个等级。到L3,助手在没有请求时自主决定行动还是等待,持续闭环才算成立。到L5,助手在用户设定的边界内修订自己的工作机制,自演化才算成立。
简言之,持续闭环让助手「一直在场」,自演化让它「越用越懂你」。
三个模块,六条有向通道
让AI助手一直在身边帮忙,是个由来已久的构想。早期研究往往把感知、记忆和「何时帮忙」拆开单做。随着大模型让各个模块变得愈发通用,如何把三者真正串联起来、处理模块之间的信息流,反而成了新的难点。
论文将持续在线助手拆解为处于同一闭环内的三个功能模块:
感知(Sensing):负责观察。既可以一直开着,也可以由特定线索或定时器唤醒,或是按需启动。
记忆(Memory):保留对之后的决策有用的信息。既记过去发生的事,也记当前的事实与偏好,还记着对用户尚未兑现的承诺。
行动(Action):决定帮不帮、何时帮、怎么帮。既包括响应请求、兑现先前的承诺,也包括没人要求时的主动帮助。
值得注意的是,每个模块都包含「能做什么」与「怎么选」两个层面,「不做」本身也是一种选择:感知可以不看,记忆可以不改,行动可以保持沉默。
三个模块之间通过六条有向的通道(Coupling Channel)相连,每条通道表示一个模块向另一个模块传递的信息:
在三个模块与六条通道构成的闭环之外,还有两层支撑:
共享条件(Shared Conditions):由用户与现实世界设定,涵盖隐私、权限、安全、资源、可用性与不确定性,约束着每一个模块与通道。比如在保密会议上,助手可以听,但不能存下或转述听到的内容。
实现层(Implementation):由模型(Model)和它外部的脚手架(Scaffolding)组成。模型负责理解输入、做出决定。脚手架包括运行框架(Harness)、存储(Storage)以及工具和接口(Tools / APIs),负责把模型的输出接到用户的设备、应用和数据上。
图2|持续在线个人智能框架
三类落地场景,瓶颈卡在「模块之间」
利用这一框架,论文梳理了可穿戴、数字和具身智能三类场景。一个共性浮出水面:各个场景的瓶颈,都不是靠升级单个模块就能解决的。
1. 可穿戴助手:功耗与社交边界的两难
可穿戴助手靠用户看到和听到的内容提供帮助。
瓶颈一:采集成本与未来记忆的权衡。摄像头、麦克风等传感器开得越多,耗电和算力越大。但采多少又不能只算开销,因为「现在拍下什么」,决定了记忆「以后能想起什么」。
瓶颈二:开口的时机与对象。在多人会议或对话里,助手要判断何时开口、让谁听见,而在场的其他人往往并没有同意被记录。
2. 数字助手:算力争夺与「旧记忆帮倒忙」
数字助手把计划和个人上下文带到不同的应用和对话里。按论文梳理的公开资料,Muse把定时和事件驱动的任务同跨对话的记忆结合起来,OpenAI的dots在两次对话之间继续在自己的云端电脑上工作,自己决定何时暂停、何时醒来。
瓶颈一:算力争夺。后台检查、记忆维护和回应用户,争夺的是同一份计算资源。
瓶颈二:旧信息的误用。界面、任务或权限变了之后,照搬之前保留的上下文反而会帮倒忙。这时助手得分清:到底是缺了新信息,是以前记错了,还是把一条本身没错的记录用错了场合、用错了人。
3. 具身智能助手:出错的代价更高
在物理世界里,碰撞这类后果一旦发生就无法撤回。近期的机器人智能体系统虽然也跨任务保留个人状态,但大多仍然按指令行动。
瓶颈一:结果核对的开销。做完动作后再「看一眼」要花时间和资源,不核对又可能带着错误继续做。
瓶颈二:判断帮忙有没有用。一次帮忙到底是帮了忙还是添了乱,要靠记忆留住用户的反应和之后的进展。
图3|应用范围的三个维度:交互领域(观察和行动发生在哪里)、参与者范围(涉及或影响到谁)和结果时间跨度(后果何时可以观察到)
五个问题,揪出三个模块的「隐形痛点」
论文用同一组五个问题(有哪些选项?受什么限制?用什么策略?其他模块能提供什么?效果怎么衡量?)审视三个模块,各得出一个关键发现:
感知
漏掉的东西,不会被自己察觉。在持续在线的系统里,「漏看」往往比「看错」更糟,因为助手不知道自己漏了什么,也就不会去修正状态或调整观察策略。
在可穿戴设备上,受功耗限制,持续采集通常只能用低帧率,短暂的动作容易从两帧之间溜走。
在数字场景里,漏掉的则是信息的变化:一次没有通知的预订取消,或者一封把会议改期的邮件,只要助手没有再去看一眼,就不会发现。
然而,现有的多数评测只检验助手看到的内容对不对,很少考一个助手该看什么、以及有没有漏看。
记忆
错误不仅会被反复使用,还会形成「记忆陷阱」。一条错误的记忆在被用户察觉前,可能已经被系统反复调用了无数次。
更可怕的是,错误的记忆会扭曲助手对后续用户反馈的理解,导致每一次自我修正都在保留甚至放大最初的错误。论文把这种恶性循环称为「记忆陷阱」。
在本次审阅的所有系统中,还没有任何一个展现出对它的长期免疫力。作者据此给出一个犀利判断:让记忆长期保持正确与有效,比单纯把记忆检索出来要难得多。
行动
结果姗姗来迟,「帮忙」也可能变成「负担」。
「消息已发送」并不代表事情办成了,真正的结果往往来得晚、来得少。今天觉得贴心的提醒,明天可能就成了恼人的打扰;当下被用户接受的建议,长期来看未必有益。
此外,当系统经历重启、跨设备迁移,当初接下任务的对话早已消失时,如何保证答应用户的事「既不漏做,也不重复做」?现有的基准测试在这方面几乎是一片空白。
路线图定级,L0到L5,119个系统走到了哪一步?
整篇综述的主线,是由L0到L5构成的六个等级。每往上一级,闭环就多一项能力。
需要再次划重点的是:后台一直跑的个人智能,并不等于持续在线。市面上有两类助手看似全天候在线,其实停在L2。一类像记录仪,在后台默默记录一切,却要等用户提问才干活。
另一类像定时脚本,到点就触发,从不判断这一次该不该做。真正的分水岭在于:唤醒之后,要不要把结果递到用户面前,是不是由助手自己拍板的。
按这套标准,研究团队把119个研究系统和产品放到了六个等级上。其中52个尚不算持续在线,67个迈过了L3的门槛,能够自己决定何时行动。而把每一次自我修改都限制在用户设定边界内的(L5),只有5项研究工作,目前还没有任何产品达到这一级别。
在近期备受关注的产品中,Muse和Claude Duet被放在L3,OpenAI的dots、Grok Bot、OpenClaw、Hermes Agent等被放在L4。论文同时说明,产品是根据公开资料定级的,所以每个等级仅代表公开资料所能支持的下限。
至于L4与L5的差别,核心在于「助手修改自己这件事,有没有被用户管住」。L5要求每一次机制修改要么经由用户显式批准,要么被严格锁死在预设的安全范围内。
图4|闭环的六个等级:每一级保留前一级的能力并新增一项,L3起助手在没有请求时自己决定行动或等待
图5|各系统所在的闭环等级:按可穿戴、数字、具身智能三类场景排列,每类包含研究系统和产品
开源诊断工具HALO,找出最薄弱的两条通道
为了看清现有系统到底做到了哪一步,研究团队同步开源了一套审查与诊断工具HALO(Harness for Always-On Loop Oversight)。
HALO盯两件事:持续闭环的各条通道,以及自演化证据链上的每个步骤。针对每一项,它都会问两个问题:论文和公开代码里,有没有报告这一设计?如果把这条通道或这步证据切断,系统的输出会不会变?为了回答这两个问题,HALO设计了两种模式:
- 只读模式(Read Mode):由三个大模型组成「评审团」,各自通读论文与代码,判断每条通道、每一步证据是否有报告,最后按多数票裁定。
- 运行模式(Run Mode):做法类似一次A/B测试。先让系统原样跑一遍,再在完全相同的输入与模型下,切断某条通道或某一步证据重跑,最后由另一个不知道分组的「盲测」模型判断输出有没有变。
只读模式发现:重「行动」,轻「感知」与「结果闭环」
团队审查了40项工作,揭开了当前系统设计的明显偏科:
- 记忆很少用来指导感知:在40项工作中,「感知→记忆」和「记忆→行动」各有37项报告了实现,「行动→感知」有28项,而「记忆→感知」只有17项。也就是说,报告里的记忆更多用来决定「做什么」,较少用来指导「接下来该看什么」。
- 反馈链往往走不完:有25项工作报告了「行动→记忆」通道,但只有15项同时保留了行动的结果。在自演化的五步证据链上,24项保留了行动记录,16项保留了结果,18项把结果和决定联系起来,而真正修订了自身机制的只有5项,能展示修订后的机制在后续被用上的只有4项。
图6|HALO对40项工作的检查结果:左侧是除基础通道之外的五条通道,右侧是自演化证据链
运行模式发现:「记忆→感知」与「行动→记忆」是最大软肋
在智能眼镜助手AiGet与邮件助手EAIA两个开源系统上的实测表明,有些通道一旦切断,输出立刻崩塌;有些通道之间则存在冗余互补,需要同时切断两条才会显露影响。
综合两种模式的诊断,论文指出:「记忆→感知」与「行动→记忆」是目前整个领域最薄弱的两条通道,且它们的缺失会直接掩盖系统纠错所需的证据。
比如,会议时间明明已经被一封新邮件改期了,但如果过时的记忆误导了感知模块,助手就会觉得「老时间看起来没毛病」,从而错过新邮件的线索。因此,未来的两大优先突破口非常明确:让感知模块对意料之外的变化保持开放,以及将每一个滞后的结果与当初的决策规则精准挂钩。
零侵入MCP插件:看不到源码也能做「黑盒体检」
HALO的设计理念可以浓缩为两句话:纸面上的架构设计,不等于真实的运行时状态;闭源的系统黑盒,也不意味着失去了检验的可能。
运行模式的证据最强,但前提是能拿到系统的代码,而大部分产品并不开源。为此,研究团队给HALO做了一个MCP插件,让闭源的助手也能被检查:
- 怎么接:和普通用户给助手添加工具一样,把HALO当作一个MCP工具接进去,不需要厂商额外开放任何内部接口。
- 记什么:助手在后台照常运转,每做一件事,比如看到一封新邮件、查了一条记忆、发出一条提醒,就向HALO报告一次,并说明这件事是根据之前的哪些观察和记忆做的。
- 读出什么:HALO从这些记录里读出哪些通道在传递信息,自演化的证据链走到了哪一步,以及这些记录能支持到哪个等级。
对于手里有代码的开发团队,HALO还提供了适配器接口:开发团队在适配器里标出每条通道对应代码的哪一处,HALO就能把这条通道切断,再跑一遍测试,看输出有没有变。
图7|HALO插件架构
让用户掌舵,15个开放问题指明下一站
论文最后用四组共15个开放问题,勾勒出持续在线个人智能的深水区。当助手开始在无人发号施令时自主行动,研究的主线便不再是「能不能一直跑下去」,而是「用户不在场时,它能不能既靠谱、又守规矩」。
难题一:如何度过「没人提问」的漫长空白?没有指令时,看什么、信什么、何时出手,全靠助手自己拿主意。两周不看早报,是用户的习惯变了,还是只是在出差?答应用户的事隔了几天,中间经历了改期、重启,或者用户自己悄悄办妥了,助手怎么保证既不掉链子,也不重复做?
难题二:用户不在场,怎么防住「合法越权」与「记忆投毒」?几天前的授权,几天后才触发,论文给出的一个方向是在行动生效的那一刻再核对权限。沙箱防不住对合法账号的滥用,关掉进程也撤不回已经发出的邮件。日常读到的网页和邮件里还可能夹带指令,进入记忆后会影响助手之后的行动。
难题三:守着边界「自演化」,如何在无法重来的生活里试错?提醒被用户顺手划掉,到底是时机不对、记错了时间,还是事情已经办完?助手想要改进自己,既要分清「该改记录还是该改规则」,又要在无法把用户的生活重放一遍的前提下,证明自己确实越用越懂你,并且始终没有越过用户划定的边界。
难题四:跨越数月的真实使用,如何告别静态回放?帮助的效果会消退,打扰带来的负担却会累积。日志回放只能测试不同版本对同一段过去的反应。而在长达数月的真实使用中,助手的每一次主动干预,都会改变用户接下来做什么。如何在动态的交互里算清「帮忙」与「添乱」的总账,仍然没有答案。
图8|15个开放问题围绕闭环、用户、自演化、评估展开
在这15个问题背后,论文强调了一条极其关键的安全铁律:能够被自演化机制改写的约束,根本约束不了自演化。管住助手的那道终极边界,必须由用户亲自设定,并且存放在助手自己绝对改不到的地方。
让最深刻的技术「消失不见」
过去,我们评估一个个人助手,核心标准只有一个:「当我提问时,它回答得是否贴合?」而当个人智能迈入「持续在线」,衡量标准多了一条:「没有人提问的时候,它做得对不对?」
这篇126页的综述给出一个清晰的判断:持续在线不是让程序在后台永不关机,而是让感知、记忆与行动协同成一个不中断的闭环,并让这个闭环在用户划定的边界内不断改进自己。
从定义、框架、三类场景,到L0至L5的等级、HALO诊断工具与15个开放问题,来自9所高校的研究者把分散的探索收进了同一张路线图。
正如作者在结语中所写,当这些难题被逐一解决,助手可以随着「它确实在为用户服务」的证据增多而获得更大的行动空间,同时始终稳稳地运行在用户设定的轨道之内。
到那时,人们可以真正少操一点心、多依赖它一点。个人智能或许能像普适计算之父Mark Weiser在1991年所预言的那样,悄然融进每一个人的日常生活:
「最深刻的技术,是那些消失不见的技术。」
作者信息
论文由南洋理工大学、加州大学伯克利分校、普林斯顿大学、斯坦福大学、新加坡国立大学、阿卜杜拉国王科技大学、达特茅斯学院、北卡罗来纳大学教堂山分校和美国西北大学的研究者联合完成。
论文第一作者兼项目负责人为南洋理工大学 S-Lab 一年级博士生 Shuai Liu,导师和通讯作者为 Ziwei Liu 教授。顾问委员会成员包括 Gedas Bertasius(北卡罗来纳大学教堂山分校)、Manling Li(美国西北大学)、Jiajun Wu(斯坦福大学)、Mengdi Wang(普林斯顿大学)和 Dawn Song(加州大学伯克利分校)。
参考资料:
论文链接:https://www.preprints.org/manuscript/202611.0793
项目主页:https://always-on-intelligence.github.io
论文清单:https://github.com/Always-On-Intelligence/awesome-always-on-personal-intelligence
HALO代码:https://github.com/Always-On-Intelligence/HALO
HALO文档:https://always-on-intelligence.github.io/HALO/
本文来自微信公众号“新智元”,作者:新智元;编辑:LRST,36氪经授权发布。
来源:36氪·AI · 36kr.com