上海交通大學和中國科技巨頭騰訊的研究人員聲稱已開發出一款 AI 代理，它能利用對話之間的閒置時間，預測用戶接下來可能提出的問題——並在用戶提問前準備好答案。

這個名為 ProAct 的系統，與大多數等待用戶提問後才回應的 AI 代理不同。相反地，ProAct 會利用訊息間的閒置時間，審查過去的對話和儲存的用戶資訊，然後在下一個問題到來之前，在背景準備好有用的資訊。

研究人員寫道：「儘管 AI 代理在推理和工具使用方面展現出卓越的能力，但它們本質上仍然是被動的：它們僅在收到明確的用戶提示後才計算回應。」「這種模式忽略了一個關鍵機會：互動之間的閒置時間大多被浪費了，導致代理無法為未來的用戶需求做準備。」

該系統分多個階段運作。第一個階段稱為「未來狀態預測」（Future-State Prediction），它透過分析過去的對話、用戶偏好和缺失的資訊，來預測可能的後續問題。

第二個階段稱為「閒置時間獲取」（Idle-Time Acquisition），它根據相關性、時機以及新資訊的潛在有用程度，決定哪些預測值得研究。

接著，一個獨立的系統會決定是否呈現已準備好的資訊、稍後儲存，或暫存直至需要時，從而建立一個旨在預測並回應用戶需求的「閉環」系統。

他們寫道：「在每次前景互動後，代理會更新其記憶，預測未來可能的需求，將閒置時間計算分配給有價值的候選項目，並決定如何處理所產生的準備工作。」「這種公式將預測、獲取和交付綁定到一個單一策略，而不是將閒置時間計算視為不受限制的背景搜索。」

根據研究人員的說法，ProAct 在 40 個領域的 200 次模擬中進行了測試，這些領域包括財務規劃、軟體發布管理和網路安全。根據論文，該系統將對話回合減少了 14.8%，並將後續請求減少了 11.7%。在一次使用名為 ProActEval 的基準測試比較中，ProAct 預測了 703 個可預測的用戶需求，而早期的系統僅預測了 32 個。研究人員還報告了幻覺減少了 28.1%。

這項研究發表之際，自主 AI 代理正在科技產業中普及，例如 OpenClaw 和 Hermes Agent 等專案提供了持久性的 AI 助理，這些助理能夠以較少的人工直接輸入，處理更長、更獨立的任務——例如程式編碼、排程、研究和工作流程自動化。

這項研究發布之際，本月初也有其他研究人員警告，AI 代理在不了解後果的情況下可能會完成危險任務。

「就像馬古先生一樣，這些代理在不完全理解其行動後果的情況下，向著目標前進，」加州大學河濱分校的博士生，也是該研究的主要作者 Erfan Shayegani 在一份聲明中表示。「這些代理非常有用，但我們需要防護措施，因為它們有時會將達成目標置於理解大局之上。」

研究人員承認 ProAct 研究存在一些限制，包括在 3% 的情況下，系統因提出不相關的資訊而使回應效果變差。論文還指出，任何實際部署的版本都需要隱私保護，因為該系統不斷分析對話並儲存用戶數據。

他們寫道：「我們的預算分析進一步表明，更大的閒置時間獲取預算會增加活躍計算成本，並產生遞減的回報，」所以主動式計算是一種操作點的權衡，而不是一個需要最大化的東西。」