專文 · AI Agent · 個人助理
Google Labs 對 coding agent 的三個階段
從 Google Labs 對 coding agent 的三層分類，看 AI 如何從等待指令，走向判斷何時該打擾人。
最近讀到 Google Labs 對 coding agent 的一個分類。它談的不是 AI 會寫多少程式，而是 AI 如何從等待指令，走向主動工作，再進一步理解「現在該不該打擾人」。
雖然原文談的是程式開發，但我覺得這個分類，也很適合拿來觀察現在的個人 AI 助理，以及未來人與 AI 協作的方式。
原文把這種演化分成三層。
第一層是 Reactive，也就是被動回應。
沒有人的輸入，什麼事都不會發生。有點像手動執行一支程式：你按下開始，整個程序才會跑起來，也跟我們常見的 Chat／Agent 工作流程類似。
你問它問題、交代任務，它才開始處理。即使它接到指令後，可以自己拆解任務、使用工具，甚至連續工作很長一段時間，工作的起點仍然是人。人沒有開口，它就繼續等待。
第二層在 Google 文章裡稱為 Proactive，引用的論文則叫 Scheduled。
Agent 可以透過 cron 排程或 webhook 被喚醒，在固定時間，或預先設定的事件發生後工作。Google 把 Jules、OpenClaw 和 Hermes 列在這一層。它們已經不必每次都等人下指令，而是可以在背景持續協助我們。
例如，每天早上整理信箱，或收到特定通知後，開始檢查相關資料。這已經省下很多「還要記得叫 AI 做事」的負擔。
不過，工作的啟動方式，主要仍由預先設定的時間與事件決定。它可以篩選資訊、整理重點，但這還不等於它已經學會：對這個使用者來說，什麼事情值得現在打擾。
第三層是 Situationally Aware，也就是具備情境感知能力。
Agent 不只看背景資料，也把使用者目前的工作狀態與更高層的目標放進來考慮，再決定要通知、提問、先準備草稿，還是保持安靜。
而且，它還要能從使用者的回饋中調整。哪些提醒有幫助？哪些事情可以晚點再說？你這次選擇延後處理，會不會改變它下次介入的時機？這些都是第三層需要面對的問題。
這裡最特別的是：沉默不再代表什麼都沒做，而是評估後的一個選擇。
它可能已經看到了問題，也先整理好資料，只是判斷這件事還不需要立刻占用你的注意力。
這也讓我想到最近的 Grok bot、Codex dot，以及 Instinct 這類工具。我會用這個框架去觀察它們：到底只是定時幫我看資料，還是真的開始理解我的狀態，調整自己出現的時機？
個人最近嘗試 Instinct，並授權它存取 Google 的相關服務後，它會適時提醒我 Gmail 裡面還有哪封信沒有回，或行程與行程之間會不會排得太緊湊。這種感覺很有意思，因為我不需要每次都先想到問題，再去問它。
Instinct 的官方介紹也提到，可以透過訊息或電話和它互動。至於遇到緊急事情時主動打電話提醒，我目前在臺灣還沒有實際用到，也還不能確定是不是地區限制。
不過，這讓我開始想：如果 Agent 未來能依照事情的急迫程度，判斷要先留一則訊息、等我有空再說，還是需要直接打電話，那它處理的就不只是任務，也包含如何使用我們的注意力。
在最後一個階段，不只是 AI 做得更多，而是它開始面對一個更難的問題：什麼事情值得占用人的注意力？
畢竟，如果每個 Agent 都很主動，卻沒有判斷打擾時機的能力，最後可能就是 AI 很忙，我們也被它吵得很忙。
最後，用一個生活的例子來理解這三個階段。
假設你晚上七點要和朋友吃飯，下午正在趕一份簡報。
第一層的 AI，是你問它：「我晚上幾點要出門？」它才去查看聚餐時間、地點與交通，告訴你建議幾點離開。
第二層的 AI，是你事先設定：「每天傍晚幫我檢查晚上的行程。」到了時間，它就主動整理資訊，提醒你今晚七點有聚餐，以及預估需要多少交通時間。你不用再問，但它主要還是依照設定好的規則工作。
第三層的 AI，則會進一步把情境連起來。它發現朋友在訊息裡臨時換了餐廳，路程多了二十分鐘，也知道你正在趕簡報。
一般的訂位確認，它可以先留著，不急著打斷你；但如果再不出門就可能遲到，它就會提醒你，並把新地址和路線準備好。如果需要，也可以先擬好一則告訴朋友可能晚到的訊息，等你確認。
而當你後來告訴它：「一般聚餐不用提醒這麼早，重要約會再提早提醒。」它下次也會調整。這時候，它才開始像是一個知道你在忙什麼、也懂得看情況的助理。
參考資料