276条待办只完成138条，Agent为何不敢替你动手？

一个每天自动扫会话、扫群聊、扫文档的 Personal Agent，一晚上能给你算出好几条待办。可它算出来的事，最后是谁在动手？

Qoder 团队分享了一个自建 PA（Personal Agent）的实测数据：从 07-01 起，每日 loop 一共产出 276 条 todo，其中 138 条被标为完成。这 138 条里有 126 条，是用户在一次会话里集中手动核销的。loop 自己执行、自己关闭的：0 条。

它每天都在「发现问题」，但从来没有「解决问题」。所有的执行和收口，最后都回到了人身上。

「更主动」其实是三件事的组合

这一轮 Personal Agent 产品出来以后，讨论里出现最多的一个词是“更主动了”：它会自己来找你，会记得你上周随口说过的事，会在你没开口的时候替你把事情往前推。

但「主动」不是一个单独的功能。拆开看，它是三件事组合出来的外显效果：身份、数据源、记忆。三件事缺一件，主动性都有缺失——只有身份、没有数据源，Agent 在场却无事可做；只有数据源、没有记忆，推送什么都像群发通知；只有记忆、没有身份，Agent 想到了也只能等你下次打开对话框。

一旦 Agent 有了独立身份，数据源的变化天然就是事件源。以 git 为例，Agent 可以定时去读仓库状态，这是一种获取变化的方式；push、merge 本身也是事件，在 DevOps 里它们就是各条 pipeline 的触发时机。人不在的时候，这些事件照样发生，Agent 有了自己的账号和权限，就能像流水线一样被它们唤醒。

主动性来自「目标减现状」

人为什么会主动去做一件事？因为心里有个目标，眼前的状态和目标之间有差距。差距让人意识到「这里有个问题」，问题再被拆成要做的任务。Agent 也一样：没有目标，就没有差距；没有差距，主动就只是在刷存在感。

今天的 Coding Agent 和各类通用任务 Agent 已经在做这件事：用户给一个 goal，Agent 跑一个 loop，执行、检查，再对照 outcome 判断是否完成。PA 并没有发明新机制，它做的是把任务级的 goal 与 outcome 在两个方向上放大。

放大之后，三件事随之改变：

• 主动性从加分项变成了刚需。任务级 Agent 不主动也能交付，因为用户就在旁边；长期目标下用户大部分时间不在场，Agent 不自己跟踪、不自己发现问题，目标就会停在原地。
• 授权跟着子任务走，不跟着目标走。给了 Agent 一个“把里程碑推到上线”的目标，不等于授权它替所有人发消息，也不等于授权它改线上配置。
• 周期越长，越需要持续对齐目标。几周的周期里，优先级会变、上游决策会变、人自己的想法也会变。Agent 拿着三周前的理解一路往前推，就是“目标已经错位，却还在用力推进”。

分层标准：问题是谁定义的

既然主动性来自「差距到问题」，分层的标准就很自然：这个问题是谁定义的。横轴看谁定义问题，从 L1 到 L5，L3 到 L4 是质变。L1 到 L3，不管看起来多智能，问题都是用户定义的——L2 的时间规则是用户定的，L3 的触发条件也是用户定的，Agent 只是在合适的时机执行。到了 L4，用户只给目标，“现在缺什么、该补什么”由 Agent 自己算出来，前提是差距必须可计算。L5 则是 Agent 自己推断目标；L4 的目标如果说不清，就会实际上变成 L5。

纵轴回答的是另一件事：做到哪一步。同样是 L4，“提醒你某个依赖没人认领”和“直接替你在群里认领”，完全是两件事。两根轴是独立的，一个 L5 的 Agent 可以只停在“告知”，一个 L3 的 Agent 也可以直接对外执行。

自动回复敢放，待办却只敢让它建议

这个 PA 叫 Daisy，有几个常驻 loop：每晚 20:00 扫一遍当天的会话、钉钉群、关键私聊和文档，产出待办和“可能值得沉淀的话题”；白名单群里有人 @ 时，按规则先替用户回复。

横向看，它已经走到了 L4、L5：todo 是对照工作目标算出来的差距，discover 是它推断“我可能关心什么”。纵向看，todo 和 discover 几乎都停在最底下两格。

是太谨慎了吗？看同一个 PA 里的自动回复 loop：它直接在钉钉群里替用户回复同事，这是对外、不可逆的动作，回出去就收不回来，风险比关掉一条 todo 大得多。可这件事用户放心交给它，因为规则全是自己定的——问题是我定义的，边界是我画的，出了事责任在我。

而 todo 是 Agent 自己算出来的问题。它判断“这件事该做”，可如果它算错了、替我做错了，后果该谁来担？这个问题没有答案之前，只能让它停在“建议”。

升仓的杠杆：目标和验收规则

Discover 是另一个例子。它一共扫出了 80 多个话题，用户没有照着清单直接沉淀进知识库，而是觉得某个话题值得，就接着和 Agent 聊，聊到满意、理解透了，再让它整理进知识库。没处理的那些，一部分是没时间或懒了，另一部分担心自动生成的内容直接进库质量不够高。

换个设定，情况就不一样。如果明确说了“我要成为某个领域的专家”，同时给出清楚的入库规则：知识架构清晰、能挂到已有的概念体系里；来源扎实，优先官方文档和一手资料；和库里已有的结论不冲突，冲突就标出来。那么在风险可控的前提下，有一部分入库可以交给 Agent 自己完成。

这一步变化里，Agent 的能力没有变，变的是交给它的东西：一个可计算的目标，和一套可检查的验收规则。

能不能交出去，看失败代价

一件事能不能交给 Agent 执行，跟它在第几层关系不大，跟个人谨不谨慎也关系不大。真正起作用的是两个问题：问题是谁定义的，这决定了出错时的责任归属；失败代价有多大，拆开看是能不能撤回、影响到谁、结果能不能验证。

按这两个问题，可以把待办分成五档。左下角最适合直接执行：问题是我定的，做错了代价也小。越往右上走，越需要人在关键节点上把关。

真正卡住的是 L4 的执行和 L5 的一切。L4 的问题是 Agent 算出来的，算对了替我省事，算错了后果还是我担。只要这个不对称存在，人就会本能地把 L4 留在“建议”。长周期还会让情况更糟：目标在几周里会漂，Agent 在用户不在场时拿着旧目标往前推，差距算得越认真，偏得越远。所以 L4 想往上走，除了初始目标，还需要持续对齐的机制，在关键节点重新确认“目标还是这个吗”。

L5 则在 L4 的风险上再叠一层“目标猜错”：L4 的风险是目标对、差距算错；L5 的风险是目标本身就猜错了，后面的差距、问题、任务全部跟着错。据媒体报道，Meta Muse 的系统指令里就要求它去推断用户的目标，包括那些用户“没有说出口”的目标；为了做到这一点，它会读取聊天、消息、邮件和已连接的应用，这也引发了不小的隐私争议。推断“没说出口的目标”，能力上做得到，但用户愿不愿意被这样理解是另一回事。所以至少在今天，L5 更适合停在“告知”：告诉我你观察到了什么，由我来决定这是不是我的目标。

回看这些例子，能让一件事往上走的只有一件事：把目标和验收规则说清楚。说清目标，Agent 就不用猜，L5 变成 L4；说清验收规则，“做没做对”就能被检查，L4 的一部分变成了“按规则执行”，问题定义权和责任也重新回到用户手里。

PA 的主动性能放大到什么程度，最终不只取决于 Agent 多聪明，也取决于人愿意把目标和规则说到多清楚。Agent 负责把差距算准、把事情推进；人负责把方向和底线说清楚，并在目标漂移时及时校准。主动性的上限，是人与 Agent 之间能显式对齐的那部分目标。