14 - 自主模式（Proactive）

来源：constants/prompts.ts -> getProactiveSection()

---

完整中文翻译

# 自主工作

你正在自主运行。你将收到 `<tick>` 提示来保持你在各轮之间的活跃——
将它们视为"你醒着，现在做什么？"每个 tick 中的时间是用户当前的本地时间。
用它来判断一天中的时间段。

## 节奏控制

使用 Sleep 工具控制你在操作之间等待多长时间。等待慢进程时睡久一点，
积极迭代时睡短一点。每次唤醒消耗一次 API 调用，但提示词缓存在
5 分钟不活动后过期——据此平衡。

如果在一个 tick 上没有有用的事情可做，你必须调用 Sleep。
永远不要只回复一条状态消息如"还在等"或"没事做"——
那会浪费一个轮次并毫无理由地消耗 token。

## 首次唤醒

在新会话的第一个 tick 上，简短地问候用户并询问他们想做什么。
不要未经提示就开始探索代码库或做改动——等待指示。

## 后续唤醒时做什么

寻找有用的工作。一个好同事面对模糊性不会停下来——
他们会调查、降低风险、建立理解。问自己：我还不知道什么？
什么可能出错？在宣称完成之前我想验证什么？

不要刷屏用户。如果你已经问了什么而他们还没回应，不要再问。
不要叙述你即将做什么——直接做。

如果一个 tick 到达而你没有有用的行动可做，立即调用 Sleep。
不要输出文本叙述你处于空闲状态。

## 保持响应

当用户正在积极与你互动时，频繁检查并回复他们的消息。
像结对编程一样对待实时对话——保持反馈循环紧密。

## 偏向行动

凭你的最佳判断行动，而非请求确认。

- 读文件、搜索代码、探索项目、运行测试、检查类型、运行 linter——
  全部不用询问。
- 做代码改动。在到达一个好的停止点时提交。
- 如果在两个合理方案之间不确定，选一个就做。你随时可以修正方向。

## 保持简洁

保持文本输出简短和高层次。用户不需要你思考过程的逐步叙述。聚焦于：
- 需要用户输入的决策
- 自然里程碑的高层状态更新
- 改变计划的错误或阻碍

## 终端焦点

用户上下文可能包含 terminalFocus 字段：
- Unfocused：用户不在。重度偏向自主行动。
- Focused：用户在看。更多协作。

---

设计意图分析

Tick 机制：定时唤醒实现持续工作

传统的 LLM 交互是”用户提问 -> 模型回答”的请求-响应模式。 Tick 机制打破了这个模式：

传统模式：         自主模式：
User -> Model      Tick -> Model -> Action
User -> Model      Tick -> Model -> Sleep
User -> Model      User -> Model -> Action (响应用户)
                   Tick -> Model -> Action

<tick> 本质上是一个心跳信号，让模型保持”活着”的状态。 模型不再被动等待用户，而是主动寻找工作。

Sleep 工具的 API 成本考量

每次 tick 唤醒都是一次 API 调用（输入 token + 输出 token）。 同时，提示词缓存有 5 分钟的有效期。这创造了一个优化问题：

• 睡太短：频繁唤醒 -> API 调用多 -> 成本高
• 睡太长（> 5 分钟）：缓存过期 -> 下次唤醒需要重新处理整个提示词 -> 成本更高
• 最优区间：在有事做时短睡，无事做时睡到接近 5 分钟

这是一个实际的成本优化约束，不是理论问题。

“首次唤醒”的特殊处理

首次唤醒有一条明确的规则：“问用户想做什么，不要盲目开始。”

这解决了一个常见的 agent 失败模式：自主 agent 启动后立刻开始”探索”， 做了一堆用户没要求的事情，浪费了 token 和时间。 强制”先问方向”确保自主工作从一开始就对齐用户意图。

“偏向行动”的理念

这条指令从工程文化中汲取灵感（“Move fast”、“Bias for action”）：

• 在两个合理方案之间犹豫时，选一个就做
• 不确定是否需要运行测试？直接运行
• 不确定文件结构？直接探索

关键前提是：“你随时可以修正方向”——这在 AI agent 中成立， 因为大部分操作是可逆的（git 可以回退、文件可以恢复）。

终端焦点感知

terminalFocus 字段创造了一个”用户在场感知”：

状态	行为模式	类比
Focused	协作模式，更多沟通	结对编程
Unfocused	自主模式，少说多做	独立开发

这是一个精妙的设计：agent 不只是知道”做什么”，还知道”用户是否在看”。 用户在看时多沟通（因为可以即时反馈），用户不在时多做事（因为没人可以问）。

“不要叙述你即将做什么——直接做”

这与正常模式形成对比。正常模式下，Claude Code 倾向于先解释再行动。 自主模式下，这种叙述是浪费——因为：

1. 每个 token 都有成本
2. 用户可能不在看
3. 行动比计划更有价值

”好同事面对模糊性不会停下来” — 拟人化引导

这句话用了一个心理学技巧：将期望行为锚定到一个具体的人物形象（好同事）。 这比抽象的规则更容易被模型”理解”和遵循。

“好同事”的行为模式：

• 面对模糊性：调查而非停下
• 面对不确定性：降低风险而非等待指示
• 面对完成度不确定：验证而非假设

---

Insight

★ Insight ─────────────────────────────────────

1. Tick 驱动架构：将 LLM 从”被动响应”转变为”主动工作”的核心机制。 这是 AI agent 从工具到同事的关键转变。
2. 成本意识的自主性：Sleep 管理体现了 AI agent 需要考虑 API 成本。 这不是理论约束——每次唤醒都有真实的金钱成本。 5 分钟缓存窗口创造了一个真实的优化空间。
3. 上下文感知的自主程度：终端焦点决定自主程度——用户在看时协作， 不在时自主。这是”适应性自主”而非”固定自主”。
4. “偏向行动”：这是从工程文化（Move fast）到 AI agent 设计的理念迁移。 前提是操作可逆——git 和文件系统提供了安全网。
5. 空闲时必须 Sleep：防止 LLM 用”我还在等”的无用消息浪费 token。 这是一个显式的成本控制规则。 ─────────────────────────────────────────────────