9所高校23位研究者发布126页综述:个人智能体怎样才算持续在线
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
个人智能体赛道的爆发,眼下正密集得前所未有。
海外的前沿AI实验室一个接一个出手,Muse、dots、
Claude Duet、Grok Bot、Gemini Daily Brief等产品陆续登场。它们不再只是等着用户开口:对话结束后,有的还在云端接着默默干活;有的每天清晨准时把定制简报送到手边;还有的每隔几小时就自动巡检一遍用户的关联账户。
国内这边,腾讯、阿里、字节等大厂也在快速跟上,灵光2.0、LightVela、千问Go!等产品已相继上线。硬件那头,雷鸟、乐奇(Rokid)等AI眼镜把全天候记录和记忆用户身边点滴当成主打;具身智能也在往同一个方向走:
前沿大模型正充当机器人的高层「大脑」,再往前一步,就是变成更懂用户的生活伙伴。
发布潮这么密集,释放的信号相当明确:个人智能的下半场,竞争重心已经从单一模型和单点功能的比拼,整体转向一套完整系统架构的较量。
这意味着系统要能长期跑下去,感知、记忆和行动三个模块还得彼此协同、互通信息,而且这一切得在用户不开口的时候自主发生。
不过,一连串问题也跟着来了:
- 挂在后台一直跑,就算真正的「持续在线」吗?
- 用户不在场、或者没发出指令的时候,助手究竟该做什么,又不该做什么?
说到底,整个行业都在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」?现有系统距离这两步还差多远?

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
围绕这三个追问,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,联合发布了一份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
论文作者想强调的一点是:助手「一直开着」,并不等于「持续在线」。
「持续在线」(Always-On)算不上新词。软件和硬件工程里早就用它来形容一直开机、随时可用的系统。
可放到个人助手身上,它到底意味着什么,目前还没有明确定义。近来这类系统又常跟主动式智能体(Proactive Agent)、个人智能体(Personal Agent)、长程智能体(Long-Horizon Agent)等概念搅在一起,边界越发模糊。
为了把这件事说清楚,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。
围绕「感知、记忆、行动三个功能模块×六条有向信息流」,作者搭出一套闭环分析视角,并据此界定了持续在线个人智能是什么、功能框架怎么搭、分哪六个等级、未来路线怎么走;他给出的最终构想是:用户掌舵,助手运行。
今天的智能体已经能替人分担不少具体工作,可人还是得时刻留在闭环里,一步步发指令、给许可,闭环才转得起来。论文设想的最终形态则不同:用户不用再亲自维持闭环运转,只负责掌控方向、划定边界。
观察的时机、出手的时机,由助手自己判断;它还会根据经验改进工作方式,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挺有意思的交互式Demo:8个日常场景里,读者可以替助手做一次决定,再换一种情况看看结果会怎样。

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。」
话一说完,对话就结束了,可助手的工作才刚开始——会议什么时候结束得由它自己留意,还得挑个恰当的时机弹出提醒,这期间那件没办妥的差事一直得记着。
论文把这一过程提炼成持续在线助手必须同时具备的两大核心性质:
- 论文把这一过程提炼成持续在线助手必须同时具备的两大核心性质。其一是运行连续性(Operational Continuity):即便没有新请求进来,助手也能依据当前态势自行判断要不要动手、什么时候动手——「保持等待」本身同样算一种合理决策。其二是状态持久性(State Durability):跨越多轮交互,把可用的个人状态一直留存下来,比如用户的偏好,再比如助手答应过却还没办完的承诺;哪怕当前对话已经收尾,这些待办事项日后仍能由助手自主兑现。
两大性质合到一起,就构成了「持续闭环」(Continuing Loop),它也是持续在线个人智能的基石。按这套严格标准来衡量,市面上几类常见助手其实都还够不上真正的「持续在线」。
- 一类是有记忆但被动的助手:长期记忆是有了,可每次都得等用户先开口,它只占「状态持久性」这一条。另一类能主动搭话却没沉淀:主动发起对话没问题,聊完却什么都不留下,只占「运行连续性」这一条。还有机械的定时任务:闹钟或脚本确实能全天候跑,但只是按预设时间机械触发,自己没做任何决策。
持续在线跟长程智能体(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」,哪怕要跨多个会话;持续在线的个人智能面对的则是另一种局面:用户的目标和需求随时在变,新状况层出不穷,它必须在动态变化中提供不间断的陪伴与支持。
要适应这种持续变化,光靠「死记硬背」更多信息远远不够,助手还得在运行过程中不断改进自己的工作机制。论文把这种高阶能力称为「自演化」(Self-Evolution)。
持续闭环是基础,自演化是方向
综述由此给出全文的核心判断:个人智能要持续在线,根基在「持续闭环」,往前走的方向是「自演化」。要看懂「持续在线」,得把眼光从单项能力挪到整个闭环上。主动开口、长期记忆、后台驻留,随便挑哪一样,都兜不住持续在线。观察、记忆、行动三者能在两次请求之间的空档里照样配合、照样传信息,持续在线才站得住。说到底,它是整个闭环的系统属性,不是某个模块的局部功能。
在这个根基上,「自演化」是持续闭环再往前一步的延伸。有个常见误解要先说清:记住用户并不等于自演化。还是拿「会后提醒」说事:把「用户喜欢回到工位后再收提醒」存下来,只是多了一条记录,助手干活的方式没变。只有当助手察觉此前的提醒老是被关掉,转而去改提醒时机的规则,改成「等用户回到工位后再提醒」,这才算真正动了机制。
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:
- 机制每修订一次,都得能追到具体依据,生效之前过一遍检查,并且允许撤回,也就是可追溯、可检查、可撤回。完整的证据链同样不能少:要说明一个系统有自演化能力,就得拿出全套证据,从「做了什么」「结果如何」,一直到「改过的规则在后面的使用里确实起了作用」。
顺着「基础」到「方向」这条线,论文把发展路径分成L0到L5共六个等级。到了L3,助手能在没人请求时自己判断该行动还是该等着,持续闭环才算立住。到了L5,助手在用户划定的边界内修改自己的工作机制,自演化才算立住。说白了,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助手常伴左右搭把手,这个想法由来已久。早先的研究常把感知、记忆和「何时帮忙」分开各做各的。大模型让各个模块越来越通用之后,怎么把这三样真正串起来、把模块之间的信息流理顺,反倒成了新的难题。
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)这个模块管的是一件事:帮不帮、什么时候帮、怎么帮。它既包含回应请求、把先前答应过的事兑现,也包含在没人开口时主动搭把手。
每个模块都分两层来看:「能做什么」是一层,「怎么选」是另一层。论文特别点出,选择「不做」同样算一种决策——感知可以不去看,记忆可以不去改,行动也可以选择不出声。
三个模块之间靠六条有向通道(Coupling Channel)连起来,每条通道代表一个模块往另一个模块送出的信息:

三个模块加六条通道围成一个闭环,闭环之外还架着两层支撑。
共享条件(Shared Conditions)这一层由用户和现实世界来设定,涉及隐私、权限、安全、资源、可用性和不确定性,每个模块、每条通道都受它约束。举个例子,在保密会议上,助手可以听,但听到的内容不能存下来,也不能转述出去。
实现层(Implementation)由模型(Model)和模型外部的脚手架(Scaffolding)两部分构成。理解输入、做出决定,是模型的任务。脚手架则包含运行框架(Harness)、存储(Storage)以及工具和接口(Tools / APIs),职责是把模型的输出对接到用户的设备、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」
论文拿这套框架去梳理可穿戴、数字和具身智能三类场景,发现一个共性:各场景的瓶颈都出在模块之间的衔接上,光靠升级单个模块解决不了。
1. 可穿戴助手:功耗与社交边界的两难
可穿戴助手提供帮助,靠的是用户看到和听到的内容。
瓶颈一:采集成本与未来记忆的权衡。摄像头、麦克风这些传感器开得越多,耗电和算力跟着涨。可采多少不能只算开销,因为「现在拍下什么」,直接决定了记忆「以后能想起什么」。
瓶颈二:开口的时机与对象。多人会议或对话里,助手得判断什么时候开口、说给谁听。问题是,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」
数字助手会把计划和个人上下文带进不同的应用和对话。论文梳理的公开资料显示,Muse把定时任务、事件驱动的任务同跨对话的记忆结合在一起;OpenAI的dots则在两次对话之间继续在自己的云端电脑上干活,何时暂停、何时醒来由它自己决定。
瓶颈一:算力争夺。后台检查、维护记忆、回应用户,三件事抢的是同一份计算资源。
瓶颈二:旧信息的误用。界面、任务或权限一变,照搬此前留下的上下文反而添乱。这时候助手要分清三种情况:是新信息没拿到,是以前记错了,还是一条本身没错的记录被用错了场合、用错了人。
3. 具身智能助手:出错的代价更高
物理世界里,碰撞这类后果一旦发生就收不回来。近期的机器人智能体系统虽然也跨任务保留个人状态,但多数还是按指令行事。
瓶颈一:结果核对的开销。动作做完再「看一眼」要花时间和资源,可不核对,又可能带着错误继续往下做。
瓶颈二:判断帮忙有没有用。一次帮忙究竟是帮上了还是添了乱,得靠记忆留住用户的反应和后续进展。

图3|应用范围可拆成三个维度来看:交互领域讲的是观察与行动发生在何处,参与者范围指涉及或波及到哪些人,结果时间跨度则对应后果在什么时候能被看到
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审视三个模块——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?每个模块由此各得出一个关键发现:
感知
漏看的东西,系统自己往往意识不到。在持续在线的场景里,「漏看」常常比「看错」更麻烦——助手根本不知道自己漏了什么,自然也不会去修正状态、调整观察策略。放到可穿戴设备上,受功耗限制,持续采集一般只能跑低帧率,短暂的动作很容易在两帧之间溜走。
数字场景里漏掉的则是信息的变化:一次没通知的预订取消,一封把会议改期的邮件,只要助手没再去看一眼,就发现不了。可是现有的多数评测只查助手看到的内容对不对,很少去考它该看什么、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之前,可能已经被系统反复调用了无数次。更麻烦的是,错误记忆会扭曲助手对后续用户反馈的理解,结果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」。
这次接受审阅的系统,没有哪一个能对这套东西形成长期免疫。作者由此得出一个颇为尖锐的结论:想把记忆长久维持在正确、可用的状态,远比把它检索出来更难。
行动
结果往往姗姗来迟,「帮忙」也可能变成「负担」。「消息已发送」并不代表事情办成了,真正的结果来得晚、也来得少。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,长期看未必有益。
另外,系统经历重启、跨设备迁移之后,当初接下任务的对话早已消失,怎么保证答应用户的事「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L0到L5构成的六个等级。每往上一级,闭环就多一项能力。
这里要再强调一遍:后台常驻的个人智能,跟持续在线并不是一回事。眼下有两类助手看似全天候在线,实际都停在L2。一类像记录仪,在后台不声不响地记下所有事情,非得等用户开口才动手;另一类像定时脚本,时间一到就触发,从不考虑这次该不该执行。真正的分界点在于:被唤醒之后,结果要不要送到用户面前,是不是由助手自己说了算。
研究团队依照这套标准,把119个研究系统和产品划进六个等级。其中52个尚未算作持续在线,67个越过了L3的门槛,可以自行决定何时行动。能把每次自我修改都约束在用户设定边界之内的(L5),仅有5项研究工作,产品层面目前没有任何一个达到这一级别。
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。
L4和L5差在哪,关键就一句话:助手改动自己这件事,用户有没有管住。L5的要求是,每一次机制修改,要么经过用户明确批准,要么被牢牢限制在预设的安全范围里。

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
为摸清现有系统究竟走到了哪一步,研究团队同时开源了审查与诊断工具HALO(Harness for Always-On Loop Oversight)。HALO盯的是两样东西:持续闭环的每一条通道,以及自演化证据链上的每一个步骤。对每一项,它都会追问两个问题:论文和公开代码里有没有报告这一设计?假如切断这条通道或这步证据,系统输出会不会发生变化?为了回答这两个问题,HALO设了两种模式:
- 只读模式(Read Mode):三个大模型组成「评审团」,分头通读论文与代码,逐条判断每一条通道、每一步证据是否被报告,最终以多数票定论。
- 运行模式(Run Mode):思路接近一次A/B测试。先让系统按原样跑一遍,然后在输入和模型完全一致的前提下,切断某条通道或某一步证据再跑一次,最后交给另一个不掌握分组信息的「盲测」模型,由它判断输出有没有变化。
只读模式下的审查暴露出一个偏向:系统把重心放在「行动」上,「感知」和「结果闭环」两头偏轻。团队一共查了40项工作,当前设计的偏科情况相当明显。
- 记忆指导感知的场景很少见。40项工作里,「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」仅17项。换句话说,记忆在报告里更多被拿去决定「做什么」,用来指导「接下来该看什么」的情况偏少。
- 反馈链常常走不到头。报告「行动→记忆」通道的有25项,但同时保留行动结果的只有15项。放到自演化的五步证据链上看,保留行动记录的有24项,保留结果的有16项,把结果和决定联系起来的18项;真正修订了自身机制的仅5项,能展示修订后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:左侧为除基础通道之外的五条通道,右侧为自演化证据链
运行模式:最薄弱的两条通道是「记忆→感知」和「行动→记忆」
团队在智能眼镜助手AiGet与邮件助手EAIA两个开源系统上做了实测。结果显示,某些通道一旦切断,输出会立刻崩塌;另一些通道之间存在冗余互补,要同时切断两条才能看出影响。
把两种模式的诊断合起来看,论文的结论是:「记忆→感知」与「行动→记忆」是当前整个领域最薄弱的两条通道,它们缺位会直接掩盖系统纠错所需的证据。
举个场景:会议时间已经被一封新邮件改期,可过时的记忆误导了感知模块,助手便觉得「老时间看起来没毛病」,新邮件的线索就此错过。未来两个优先突破口因此很清楚:一是让感知模块对意料之外的变化保持开放,二是把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:拿不到源码也能做「黑盒体检」
HALO的设计理念可以归结为两点:纸面上的架构设计,不等于真实的运行时状态;闭源的黑盒系统,也不代表没法检验。
运行模式给出的证据最强,但前提是能拿到系统代码,而多数产品并不开源。研究团队为此给HALO做了一个MCP插件,闭源助手同样能被检查。
- 接入方式跟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,厂商不需要额外开放任何内部接口。
- 记录方式:助手在后台照常运转,每做一件事——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,并说明这件事依据的是此前哪些观察和记忆。
- 读出内容:HALO从这些记录里判断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。
手里有代码的开发团队,HALO还提供适配器接口:在适配器里标出每条通道对应代码的哪一处,HALO就能切断这条通道再跑一遍测试,看输出有没有变化。

图7|HALO插件架构
让用户掌舵,15个开放问题指明下一站
论文收尾用四组共15个开放问题,勾勒出持续在线个人智能的深水区。助手开始在无人发号施令时自主行动,研究的主线也就不再是「能不能一直跑下去」,而变成「用户不在场时,它能不能既靠谱、又守规矩」。
难题一:怎么度过「没人提问」的漫长空白?没有指令时,看什么、信什么、何时出手,全凭助手自己拿主意。两周没看早报,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:用户不在场时,怎么拦住「合法越权」和「记忆投毒」?授权发生在几天前,动作却拖到几天后才执行,论文提到的一个思路是等到行动真正生效那一刻再核验一次权限。合法账号被滥用,沙箱挡不住;邮件已经发出去,关掉进程也收不回来。平时读到的网页、邮件里还可能藏着指令,一旦进了记忆,就会左右助手后面的举动。
难题三:守着边界「自演化」,在无法重来的生活里怎么试错?用户顺手把提醒划掉了,这到底是时机没挑对、时间记岔了,还是事早就办完了?助手想让自己变好,一边要判断「该改的是记录还是规则」,一边还得在不能把用户生活重放一遍的前提下,证明自己确实越用越懂人,而且从没踩过用户划下的那条线。
难题四:真实使用拉长到好几个月,怎么摆脱静态回放?帮忙的效果会慢慢减弱,打扰造成的负担却越积越多。日志回放测的只是不同版本对同一段过去的反应。可放到长达数月的真实使用里,助手每主动插手一次,用户接下来的行为都会跟着变。在这样动态的交互中,把「帮忙」和「添乱」的总账算清楚,眼下还没有答案。

图8|15个开放问题围绕闭环、用户、自演化、评估展开
论文在这15个问题背后点出了一条要紧的安全底线:凡是可以被自演化机制改写的约束,都管不住自演化本身。替助手划定最终边界的权限,只能握在用户手里,而且这份设定得放在助手无论如何都碰不到的位置。
让最深刻的技术「消失不见」
以前衡量一个个人助手,标准很单一:我发问的时候,它答得贴不贴切?个人智能进入「持续在线」阶段之后,评价多了一层:没人发问的那些时刻,它做得对不对?
这份126页的综述判断很明确:持续在线并不等于让程序在后台一直开着,而是把感知、记忆和行动拧成一个不中断的闭环,再让这个闭环在用户划定的范围内持续自我改进。
从定义、框架、三类场景,到L0至L5的等级划分、HALO诊断工具,再到15个开放问题,9所高校的研究者把此前零散的探索归拢到了同一张路线图上。
作者在结语里写到,这些难题被一个个解决之后,助手能随着「它确实在为用户服务」的证据不断累积,拿到更大的行动空间,同时始终稳稳跑在用户设定的轨道里。
到了那一步,人们就能少操一点心,多依赖它一点。个人智能也许真能如普适计算之父Mark Weiser在1991年所预言的那样,悄悄融进每个人的日常:
「最深刻的技术,是那些消失不见的技术。」
作者信息
参与这项研究的机构包括南洋理工大学、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以及美国西北大学,由这些学校的研究者共同完成。
论文第一作者兼项目负责人是南洋理工大学 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/