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
九校23位研究者发布持续在线个人智能全景综述
个人智能体这一领域,眼下正迎来一轮空前密集的产品爆发。
海外的前沿AI实验室接连推出新东西,Muse、dots、Claude Duet、Grok Bot、Gemini Daily Brief等产品相继亮相。它们不再只是被动等用户发问: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。
国内方面,腾讯、阿里、字节等大厂也在极速跟进,灵光2.0、LightVela、千问Go!等产品先后上线。硬件端同样热闹,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;具身智能也在朝同一方向演进:
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。
发布潮如此密集,释放的信号极其明确: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。
这要求系统能够长期运行,还要求感知、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。
不过,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?
说到底,这个行业想弄明白的无非三件事:一个助手要满足什么条件,才算真的「持续在线」?又靠什么做到「越用越懂你」?现在的系统离这两步还差多少?

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,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。
作者从「感知、记忆、行动三个功能模块×六条有向信息流」这套闭环思路出发,界定了什么叫持续在线个人智能,也搭出了功能框架,划出六个等级,给出未来路线图。他最后的构想是:用户掌舵,助手运行。
眼下智能体能替人扛下不少具体活儿。可它还离不开人:每一步都得由人发指令、给许可,闭环才转得动。论文设想的最终形态不一样,那时用户不用再亲手维持闭环运转,管好方向、划清边界就够了。
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。」
话一说完,对话就结束了。助手却刚开工:会议何时散场得它自己盯着,盯到了还要挑个合适时机弹出提醒,这期间那件没办完的事得一直记着。
论文把这一过程归纳成持续在线助手得同时满足的两条核心性质:
- 一条是运行连续性(Operational Continuity):就算没有新请求进来,助手也要依据眼下态势自己判断该不该动、什么时候动,而「保持等待」同样算一种合理决策。
- 另一条是状态持久性(State Durability):多次交互之间,可用的个人状态要一直留着,比如用户偏好,以及助手答应过却还没办完的承诺。当前对话结束也不影响,这些待办日后某个时刻仍能由助手自主兑现。
两条性质合在一起,就是「持续闭环」(Continuing Loop),它被视为持续在线个人智能的基石。
按这个严格口径衡量,市面上几类常见助手其实都还称不上真正的「持续在线」:
- 有记忆但被动的那种:长期记忆是有的,可每次都得等用户先开口,只满足「状态持久性」;
- 会主动搭话却没沉淀的那种:主动发起对话没问题,聊完却什么都不留,只满足「运行连续性」;
- 还有机械的定时任务:闹钟或脚本能全天候跑,但只是照预设时间触发,自己不做任何决策。
持续在线跟长程智能体(Long-Horizon Agent)也不能混为一谈。后者关心的是「怎样跑完一个给定复杂任务」,跨多个会话也无妨;前者面对的场面不同:用户目标和需求随时在变,新状况不断冒出来,它得在动态变化里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」塞进更多信息远远不够,助手还得在运行过程中持续改进自身工作机制。论文给这种高阶能力起了个名字:「自演化」(Self-Evolution)。
持续闭环是基础,自演化是方向
在上述定义之上,综述抛出全文核心论点:持续在线个人智能的基础是「持续闭环」,演进方向是「自演化」。
要理解「持续在线」,关键是把视野从单一能力抬到整个闭环。主动开口、长期记忆、后台驻留,随便拎一项出来都撑不住持续在线。观察、记忆和行动只有在两次请求之间的空白期仍协同运转、彼此传递信息,持续在线才算真正成立。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。
在这个基础上,「自演化」是持续闭环的进阶扩展。有个常见误区要先厘清: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,只是更新了一条记录,助手的工作方式没变。只有当助手发现先前的提醒老被频繁关闭,进而把提醒时机的规则改成「等用户回到工位后再提醒」,机制才算真正被修订。
机制一动,后面所有输入的处理方式都会跟着变。也正因如此,论文对自演化提了更高要求:
- 可追溯、可检查、可撤回:每次机制修订都得能追到具体依据,生效前经过检查,并且允许撤回。
- 完整的证据链:要证明一个系统具备自演化能力,得拿出完整证据,从「做了什么」「结果如何」,一直到「修改后的规则确实在后续使用中生效」。
沿着从「基础」到「方向」这条脉络,论文把发展路径划成L0到L5六个等级。到了L3,助手在没有请求时能自主决定行动还是等待,持续闭环才算成立。到了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。
一句话,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助手一直待在身边帮忙,这个构想由来已久。早期研究常把感知、记忆和「何时帮忙」拆开单做。大模型让各模块越来越通用之后,怎么把三者真正串起来、处理模块间的信息流,反倒成了新难点。
论文把持续在线助手拆成同一闭环内的三个功能模块:
感知(Sensing):管观察。可以一直开着,也可以由特定线索或定时器唤醒,或者按需启动。
记忆(Memory):把对后续决策有用的信息留下来。过去发生的事要记,眼前的事实和偏好也要记,用户还没被兑现的承诺同样得记着。
行动(Action):判断帮不帮、什么时候帮、怎么帮。响应请求、兑现此前许下的承诺都算,没人开口时的主动帮助也算。
每个模块其实都分「能做什么」和「怎么选」两层,「不做」同样是一种选择:感知可以选择不看,记忆可以选择不改,行动可以选择沉默。
三个模块靠六条有向通道(Coupling Channel)连起来,每条通道代表一个模块向另一个模块传递的信息:

三个模块加六条通道构成一个闭环,闭环之外还有两层支撑。
共享条件(Shared Conditions):由用户和现实世界设定,涉及隐私、权限、安全、资源、可用性与不确定性,对每个模块和每条通道都构成约束。举个例子,在保密会议上,助手可以听,但不能把听到的内容存下来或转述出去。
实现层(Implementation):由模型(Model)和模型外部的脚手架(Scaffolding)组成。理解输入、做出决定的是模型。脚手架则包含运行框架(Harness)、存储(Storage)以及工具和接口(Tools / APIs),作用是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」
这篇论文借助该框架,对可穿戴、数字、具身智能三类场景做了梳理。一个共同点随之显现:这些场景撞上的难关,都难以只靠把某一个模块做得更强来化解。
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之间的取舍。摄像头、麦克风这类传感器开启得越多,电耗与算力占用就越高。可采集量又不能单纯按花费来定,原因在于「现在拍下什么」,会决定记忆「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」
数字助手会把计划连同个人上下文一并带进不同应用与对话。论文梳理的公开资料显示:Muse 将定时任务、事件驱动的任务与跨对话记忆放在一起;OpenAI 的 dots 则在两轮对话之间继续运行在自己的云端电脑上,何时暂停、何时醒来由它自己判断。
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:旧信息被误用。一旦界面、任务或权限发生变动,沿用此前留存的上下文反倒会添乱。此时助手需要辨明:究竟是新信息没拿到,是先前记岔了,还是一条本身无误的记录被用在了不合适的场合、不合适的人身上。
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(观察与行动发生在何处)、参与者范围(牵涉或影响到哪些人)、结果时间跨度(后果何时能被观察到)
五个问题,揪出三个模块的「隐形痛点」
论文拿同一组五个问题去对照三个模块——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,每个模块各得出一条关键结论:
感知
被漏掉的信息,系统自己发现不了。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,自然不会去修正状态,也不会去调整观察策略。
可穿戴设备受功耗掣肘,持续采集一般只能跑低帧率,短促的动作很容易在两帧之间滑过去。
数字场景里漏掉的是信息本身的变化。一次没发通知的预订取消,一封把会议改期的邮件,助手不再去瞧一眼,就不会知道。
问题是,现有评测大多只看助手看到的内容准不准,很少去考它该看什么、有没有漏看。
记忆
错误不光会被反复调用,还会滚成「记忆陷阱」。一条错记忆在用户发现之前,可能已经被系统调用了无数次。
更麻烦的是,错记忆还会带偏助手对后续用户反馈的理解,于是每一次自我修正都在保住甚至放大最初那个错误。论文管这种恶性循环叫「记忆陷阱」。
这次审阅覆盖的所有系统里,没有一个表现出对它的长期免疫力。作者由此给出一个判断:让记忆长期保持正确和有效,远比把记忆检索出来要难。
行动
结果来得太晚,「帮忙」也会变成「负担」。
「消息已发送」不等于事情办成了,真正的结果往往来得又晚又少。今天看着贴心的提醒,明天可能就变成打扰;眼下用户接受的建议,放到长期未必有益。
还有,系统重启、跨设备迁移之后,当初接下任务的那段对话早已不在,怎么保证答应用户的事既不漏做、也不重复做?现有基准测试在这块几乎是空白。
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L5六个等级,每往上走一级,闭环就多出一项能力。
这里要再划一次重点:后台一直跑的个人智能,不等于持续在线。市面上有两类助手看着全天候在线,实际停在L2。一类像记录仪,在后台默默记下一切,却要等用户开口才干活。
另一类像定时脚本,到点就触发,从不判断这一回该不该做。真正的分水岭在于:唤醒之后要不要把结果递到用户面前,是不是助手自己拍板。
按这套标准,研究团队把119个研究系统和产品分到六个等级上。52个还不算持续在线,67个迈过了L3的门槛,能自己决定何时行动。把每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。
近期受关注的产品里,Muse和Claude Duet被归在L3,OpenAI的dots、Grok Bot、OpenClaw、Hermes Agent等被归在L4。论文也说明,产品是按公开资料定级的,所以每个等级只代表公开资料能支撑的下限。
L4与L5的差别,核心在「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
为了看清现有系统实际做到了哪一步,研究团队把审查与诊断工具HALO(Harness for Always-On Loop Oversight)一并开源。
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。对每一项,它都问两个问题:论文和公开代码里有没有报告这一设计?把这条通道或这步证据切断,系统输出会不会变?为回答这两个问题,HALO设了两种模式:
- 只读模式(Read Mode):三个大模型组成「评审团」,各自通读论文与代码,判断每条通道、每一步证据有没有报告,最后按多数票裁定。
- 运行模式(Run Mode):思路接近做一次A/B测试。系统先照原样跑一遍,随后在输入和模型完全一致的前提下,断开某条通道或某一步证据再跑一次,最后由另一个不知分组的「盲测」模型来判定输出是否发生变化。
只读模式的结论是:重「行动」,轻「感知」与「结果闭环」。
团队共审查了40项工作,当前系统设计的偏科问题随之暴露出来。
- 记忆很少用于指导感知: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」为28项,「记忆→感知」仅17项。换句话说,报告中的记忆更多被用来决定「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:25项工作报告了「行动→记忆」通道,但同时保留行动结果的只有15项。自演化的五步证据链上,保留行动记录的有24项,保留结果的有16项,把结果与决定关联起来的有18项,真正修订了自身机制的仅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。
运行模式的发现:「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显示,某些通道一旦被切断,输出立刻崩塌;另一些通道之间存在冗余互补,要同时切断两条才会显露影响。
把两种模式的诊断合起来看,论文指出:「记忆→感知」与「行动→记忆」是眼下整个领域最薄弱的两条通道,它们缺失时会直接掩盖系统纠错所需的证据。
举例来说,会议时间已被一封新邮件改期,可要是过时的记忆误导了感知模块,助手就会认为「老时间看起来没毛病」,新邮件的线索因此被错过。未来的两大优先突破口也就很明确: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:看不到源码也能做「黑盒体检」。
HALO的设计理念可以浓缩成两句话: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。
运行模式给出的证据最强,但前提是拿得到系统代码,而大部分产品并不开源。研究团队为此给HALO做了一个MCP插件,闭源的助手同样能被检查。
- 怎么接:与普通用户给助手添加工具的做法一样,把HALO当作一个MCP工具接进去,厂商无需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,例如看到一封新邮件、查了一条记忆、发出一条提醒,就向HALO报告一次,并说明这件事依据的是此前哪些观察和记忆。
- 读出什么:HALO从这些记录中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就能切断这条通道,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。
论文收尾时列出四组、共15个开放问题,把持续在线个人智能要啃的硬骨头摆了出来。助手已经能在没人下指令时自己动手,研究关注的重点也随之转移:从「它能不能一直跑下去」,变成「用户不在场时,它是否既靠得住,又守得住规矩」。
难题一:怎么熬过「没人提问」的大段空窗?没有指令,看什么、信什么、什么时候出手,都得助手自己判断。用户两周没看早报,是习惯改了,还是人在出差?答应下来的事隔了几天,期间改过期、重启过,或者用户已经自己悄悄办完了,助手怎样才能既不误事、又不重复劳动?
难题二:用户不在场,如何拦住「合法越权」和「记忆投毒」?授权发生在几天前,触发却在几天后,论文提出的一个思路是等到行动生效那一刻再核一次权限。沙箱管不住对合法账号的滥用,进程关掉了,已经发出去的邮件也收不回来。平时读到的网页、邮件里还可能藏着指令,一旦进了记忆,就会左右助手后续的动作。
难题三:守着边界「自演化」,在没法重来的生活里怎么试错?提醒被用户随手划掉,是时机不对、时间记错了,还是事情早就办完了?助手想自我改进,既得判断「该改记录还是该改规则」,又得在无法把用户生活重放一遍的前提下,证明自己确实越用越懂人,而且始终没踩过用户划下的线。
难题四:跨越数月的真实使用,怎么摆脱静态回放?帮手的效用会衰减,打扰造成的负担却会越积越多。日志回放只能拿不同版本去测同一段过去。可放到长达数月的真实使用里,助手每一次主动干预,都会改变用户接下来的行为。在动态交互中把「帮忙」和「添乱」的总账算清楚,眼下仍无答案。

图8列出了15个开放问题,分别围绕闭环、用户、自演化和评估四个方向展开。
这15个问题背后,论文点出了一条关键的安全铁律:能被自演化机制改写的约束,管不住自演化本身。管住助手的那道终极边界得由用户亲自来定,并且放在助手绝对够不着的地方。
让最深刻的技术「消失不见」
以前衡量一个个人助手,核心标准只有一条:我提问的时候,它答得贴不贴切。个人智能进入「持续在线」之后,标准又多了半条:没人提问的时候,它做得对不对?
这份126页的综述判断得很清楚:持续在线并不是让程序在后台一直开着不关,而是让感知、记忆和行动咬合成一个不中断的闭环,再让这个闭环在用户划定的边界里持续自我改进。
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所高校的研究者把各自分散的探索收拢到了同一张路线图上。
作者在结语中写道,这些难题一个个被解决之后,随着「它确实在为用户服务」的证据越攒越多,助手能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。
到那个时候,人们可以真正少操一点心、多依赖它一点。个人智能或许会像普适计算之父Mark Weiser在1991年预言的那样,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
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、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的研究者共同参与了这项工作。
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。顾问委员会成员有 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/