← 开源项目

Arcfold|在共同经历中持续学习,支持人的意图形成与实现

以 Coding Agent 为代表的任务型 Agent,正在承担越来越复杂的执行工作。Super Agent 进一步打破单次会话的限制,使 AI 能够持续响应事件变化、自主组织上下文并同时推进多项任务。这推动了人的第一次角色上移:从亲自执行和持续协调,转向作出决策与判断结果。

随着更多执行工作被交给 AI,决策质量愈发重要:执行能力决定想法能落实到什么程度,决策能力则影响人能看见哪些可能、实现多大的改变。

但决策并非从一开始就是清晰的。人常常从模糊的想法和感受出发,在交流与尝试中形成选择,通过行动获得反馈,再据此调整认识。我们把这个决策从无到有、付诸行动,并在反馈中持续发展的连续性过程,称为 Human Loop。

Human Loop:想法与感受、交流与尝试、形成决策、付诸行动、现实反馈、新的认识与选择,循环推进。

AI 已经具备支持 Human Loop 的基础能力。对话式 AI 能帮助人理清想法,引入新的知识与视角;能够调用工具的 Agent,则可以开展研究、制作原型,让设想得到实际检验。

然而,会思考、能执行还不够。要让这些基础能力持续支持 Human Loop,AI 还需要跟上共同经历带来的两方面变化:

  • 认知的递进:人不断积累经验、修正认识,后续工作也在此基础上推进,Agent 需要随之更新理解与判断。
  • 协作方式的改进:人与 AI 在合作和反馈中逐渐发现更好的工作方法,Agent 需要主动将这些方法沉淀下来,用于后续行动,并根据效果继续调整。这两方面的变化能够持续积累,AI 才能在长期合作中越来越理解人和有效地帮助人。
共同经历带来认知积累与修正、发现更好的协作方式;Agent 更新理解与判断、沉淀并采用改进,用于下一次协作;新的经历与反馈回到共同经历。

然而,在我们的实际使用中,这两方面的积累仍不可靠:已经形成的认识,未必影响后续执行中的取舍;已经纠正的做法,也可能在之后的工作中再次出现。共同经历在增加,AI 的理解与工作方式却未必随之改善。

Arcfold 希望让这种改善能够持续发生,是一个以促进人的意图形成与实现为目标,在共同经历中持续学习和改进的个人 AI 系统。 通过支持完整的 Human Loop,Arcfold 希望推动人的第二次角色上移:从独自形成决策、再交给 AI 执行,走向借助 AI 扩展自身的决策能力、并获得更准确贯彻自身意图的长期支持。