當智慧不再等待被詢問時，會發生什麼事？
七十年來，電腦一直等著我們告訴它們該做什麼。而現在，具有生命力的 Agent 開始察覺、記憶，並主動出擊。
一、指令的時代
運算的歷史始於一條指令。
最早的程式設計師將成疊的打孔卡餵給機器，每個孔洞都將人類的意圖翻譯成電腦能執行的內容。一個錯誤就能毀掉整段序列，因此程式設計師必須事先規劃好整個交換過程。機器接收指令、執行運算，然後回傳結果。
命令列讓這個交換過程變得更快。鍵盤取代了打孔卡，螢幕取代了紙本輸出，人們學會透過精確的文字字串來與機器溝通。電腦依然在另一端靜默等待，直到被召喚才回應。
圖形介面軟化了這種關係。人們不再需要記憶指令，而是點擊圖示、開啟視窗、在數位桌面上拖曳物件。搜尋引擎讓它變得更容易——我們只需在空白欄位中輸入幾個字，就能要求網路幫我們找出想要的東西。
接著，提示框出現了。指令開始變得像對話，機器也開始用完整的句子來回應。
介面徹底改變了，但底層的儀式依然熟悉：人類察覺到一個需求、記起相關的背景脈絡、決定要問什麼，然後發起這次交換。
二、提示框仍然是一條命令列
提示框之所以感覺完全不同，是因為語言讓機器顯得更易於親近。我們可以要求它寫作、分析、解釋、規劃、想像或推理，而無需學習任何正式的語法。
然而，提示仍然將大部分認知負擔放在使用者身上。你必須先意識到某件事值得關注，你必須記住相關的歷史脈絡、收集文件、說明情況，並擬定請求。
一位準備參加投資人會議的創辦人，必須記住上次會議中出現過哪些反對意見。一位經理必須察覺到某個專案在好幾次對話中毫無進展。一位旅行者必須先彙整所有人的行程、偏好和限制，才能要求 AI 規劃行程。
一旦問題進入提示框，AI 就能完成令人驚豔的工作。但把正確的問題放進提示框，仍然是我們的責任。
這就是為什麼許多人覺得 AI 既強大又奇怪地耗費心力。它可以在幾秒內生成答案，但使用者必須不斷重構問題所處的整個世界。
三、每個問題背後的隱形工作
每個有用的提示背後，都有一段看不見的歷史。
在要求 AI 準備一份會議簡報之前，使用者已經先找到了邀請函、記住了與會者、搜尋了先前的筆記、找到了最新的文件，並判斷出哪些未解決的問題很重要。在要求 AI 制定每週計畫之前，使用者已經先看過行事曆、記住了個人優先事項、評估了精力狀況，並注意到哪些承諾正在被拖延。
我們很少把這些視為工作，因為它們發生在腦海裡。這是持續的背景勞動——記憶、連結，以及判斷什麼值得關注。
現代生活讓這項勞動變得更加困難。我們的背景脈絡分散在收件匣、群組聊天、行事曆、會議記錄、文件、專案工具、健康平台和金融服務中。每個應用程式都掌握著一部分資訊，而使用者必須負責將整體拼湊起來。
運算的下一個重大轉變，或許來自於將部分這種隱形工作轉移到系統本身。當智慧能夠跨越時間運作、理解持續的脈絡，並察覺到事情已經改變時，它就會變得更有用。
四、會察覺的機器
想像一下，你的一天從你的 Chief of Staff Agent 傳來的一則訊息開始。
它已經檢查了你授權的行事曆，將今天的會議與你 Living Brain 中的相關筆記連結起來，並找出上週一個尚未有人負責的承諾。訊息中包含一份簡短的摘要、底層的來源資料，以及一個關於你接下來想怎麼做的問題。
稍後，一個專案 Agent 注意到，同一個優先事項已經出現在三次會議中，卻沒有明顯的進展。它在還有時間介入之前，將這個模式重新帶回你的注意力中。
一個績效 Agent 發現，在一個異常忙碌的週期中，你的恢復狀態和睡眠品質下降了。它將這些訊號與行程連結起來，並建議你保護一段空檔時間，同時將決定權留給你。
一個市場情報 Agent 偵測到一則新的 Bloomberg 訊號，與你策略中已關注的一家公司有關。它解釋了這個發展為何可能重要，連結到底層來源，並提供將該訊號儲存到相關 Living Brain 中的選項。
在每個案例中，重要的改變都發生在答案出現之前。系統辨識出某件事值得關注，並將其帶給使用者。
機器開始察覺了。
五、主動性需要一個 Living Brain
一個沒有脈絡的主動 Agent 很快就會變成另一個通知系統。它可以提醒你有一場會議，但無法解釋這場會議為什麼重要。它可以報告一個變化，但無法判斷這個變化是屬於一個活躍的優先事項、一個被放棄的想法，還是你已經處理完的事情。
有用的主動性需要記憶。Agent 需要對已經發生過什麼、現在什麼重要、以及還有什麼未完成的事情，有一定程度的理解。
這就是 ChatChat 中 Living Brain 的角色。它從筆記、檔案、對話、語音備忘錄、會議、連結的工具和即時訊號中，擷取選定的背景脈絡，然後將這些資訊編譯成結構化、相互連結的知識。
Living Brain 讓被指定的 Agent 能夠在使用者選擇的權限範圍內，存取相關的歷史記錄。Chief of Staff Agent 可以檢索先前的決策。研究 Agent 可以將一個新的發現與現有的專案連結起來。健康 Agent 可以在不進入使用者工作大腦的情況下，處理選定的健康相關脈絡。
這個關係很簡單：Agent 主動聯繫，而 Living Brain 提供了聯繫的理由。兩者結合，讓主動性能夠從個人脈絡中浮現，而不是來自於通用的行程。
六、打斷的權利
有能力先開口說話，也帶來了一項新的責任。
人類的注意力已經夠分散了。每個應用程式都想要取得打斷的權限，而大多數通知的存在只是因為某個事件發生了，而不是因為那個事件很重要。
一個具有生命力的 Agent 必須達到更高的標準。它需要區分急迫性與新奇性、相關性與雜訊，以及一個有意義的改變與另一個例行更新。它應該知道何時該說話、何時該等待，以及何時該在採取行動前先請求許可。
這就是為什麼主動智慧不僅僅依賴於一個強大的模型。它還需要一套工具、排程、邊界和執行規則的框架。它也需要透過權限、來源追溯和收據來進行驗證。
在 ChatChat 中，使用者可以選擇 Agent 能夠存取哪些連接器和 Living Brain。不同的 Agent 可以在不同的脈絡邊界內運作，因此工作用的 Agent 不會自動取得健康資訊的存取權，而績效 Agent 也不需要閱讀公司郵件。
當 Agent 提出一個洞察時，使用者應該能夠理解這個洞察來自何處。當 Agent 執行了一個已核准的動作時，收據可以顯示發生了什麼事，以及哪些脈絡提供了資訊。
打斷的權利必須透過相關性和信任來贏得。
七、從反應到連續性
反應式 AI 將每個請求視為一個全新的開始。而一個具有生命力的 Agent 則參與一個持續展開的故事。
這個差異會逐漸顯現。Agent 會記得某個決定已經被做出。它會注意到後續的資訊與那個決定矛盾。它會辨識出一個反覆出現的主題，檢索相關的歷史記錄，並在當下賦予其新意義時將其回傳。
Living Brain 也會透過這個關係不斷發展。它為 Agent 提供資訊，接收有用的成果，並在下一次對話中變得更豐富。隨著時間推移，使用者花費在重構脈絡上的心力會越來越少，而更多的時間可以用來決定如何運用這些脈絡。
這創造了一種不同的運算節奏。人們不再需要反覆開啟工具、說明情況並請求輸出，而是可以與能夠在生活與工作的選定部分中維持連續性的 Agent 一起工作。
電腦開始感覺不再像是一個目的地，而更像是一個持續參與的夥伴。
八、一個新的能動性介面
每個運算介面都改變了意圖與行動之間的距離。
打孔卡要求我們將意圖轉譯為機械語言。命令列要求我們將其轉譯為語法。圖形介面將其轉變為手勢。搜尋引擎將其簡化為關鍵字。提示框則允許我們用自然語言來表達。
具有生命力的 Agent 改變了關係中的另一個部分。它們縮短了某件事變得相關，與使用者意識到這件事之間的距離。
這並不表示提示框會消失。人們仍然會提問、探索想法，並明確地指揮 Agent。這個轉變在於，有用的智慧不再必須完全從一個請求開始。
一段對話可以跨越時間持續進行。一個決策可以在其假設條件改變時重新浮現。一個未完成的承諾可以在被遺忘之前重新出現。一個外部訊號可以找到賦予它意義的內部脈絡。
提示框成為眾多互動模式中的一種，而不是每個智慧行為都必須通過的門檻。
十、最後一個提示之後
在大部分運算歷史中，機器耐心地等待人類記起該問什麼。
下一代的智慧可能會在那一刻之前就開始運作。它可能會記得我們，注意到什麼改變了，並理解何時該打破沉默。
ChatChat 正是為了這樣的關係而打造的。它的 Living Agents 能夠跨越對話、行程、連結的工具，以及來自 Living Brain 的選定脈絡來運作。它們可以參與個人和群組聊天，將相關資訊重新帶回注意力中，並協助將決策付諸行動。
最後一個提示，不會是我們最後一次向機器提問。它將標誌著提示不再是智慧開始的唯一方式。
機器花了七十年等待指令。
現在，它正在學習何時該先開口。
在 ChatChat 中認識你的第一個 Living Agent，請造訪 chatchat.com
