华为云：2026年Coactive Agent技术白皮书 —— 面向开放世界的Agent范式（86页）.pdf

核心结论速览： Coactive范式重新定义下一代Agent：Interactive × Proactive双态协同：行业普遍将Agent的未来简化理解为“更高自主性”，但Coactive给出了更清醒的回答——Agent的未来不是把人移出工作流，而是让人的经验、判断与创造力持续进入工作流。Interactive负责不确定处的共创，Proactive负责成熟处的承接。 三大架构支柱+元进化闭环构成完整系统：环境感知将聊天框之外的空间、应用、设备、操作和工具反馈组织为最小充分、低扰、可控、可追溯的任务现场；智能主体在Interactive与Proactive之间切换与并行；认知底座将原始材料、用户偏好、流程经验沉淀为可追溯、可修正、可复用的长期经验；元进化闭环基于真实任务轨迹持续优化感知、交互、执行、记忆与授权策略。 环境感知让Agent从“聊天框”进入“真实任务现场”：传统Agent被困在聊天框里，无法看到用户正在编辑的文档、正在浏览的网页、正在操作的表格。Coactive环境感知通过AI设备、AI应用与工具、Agent探针三类接入对象，将开放世界投影为当前任务最小充分的任务现场。 认知底座“原文为终审，索引为派生结构”：Agent Memory Runtime将原始材料作为事实锚点，派生结构（摘要、标签、向量、图谱）只作为索引和加速层。每一条记忆都可以追溯到来源文件、会议片段、操作记录或用户确认，实现全链路可追溯。 元进化闭环AgentReflex让Agent在协作中持续成长：传统Agent系统只能完成单次任务，无法从失败中学习。AgentReflex通过Observe→Evaluate→Diagnose→Mutate→Select→Preserve→Reuse闭环，将运行过程转化为学习过程，将失败反馈转化为选择压力，将有效修复转化为进化资产。 五大安全支柱构建全生命周期安全体系：共处可信、记忆主权、行为可控、进化护栏、推理安全。安全从“墙”的范式迁移到“场”的范式——安全不是对Agent的牢笼，而是人与Agent共处的地基。 四个应用场景验证Coactive完整价值：品牌内容发布证明Interactive实时共处；财务月报编制证明可信承接与审计链；RFP写作证明Interactive Memory在输入时刻进入判断；方案共创与能力沉淀证明从讨论到可应用能力的完整闭环。解构Agent落地的结构性难题。AI Agent技术正从概念验证迈向规模化商业落地。2026年5月Gartner最新预测，2028年33%的企业软件将内嵌Agentic AI能力，至少15%的日常工作将由AI自主执行；每家500强企业将平均部署150,000个AI Agent。麦肯锡估计，Agentic AI每年可创造2.6-4.4万亿美元价值。然而，当前Agent系统在底层架构和交互机制上暴露出五个直接阻碍商业闭环的结构性问题：现场断裂：Agent仍被困在聊天框，难以进入真实任务环境。Prompt/Context模式难以承载行业直觉，人类专家的经验知识无法有效传授给Agent。协作断裂：轮次式交互让人的判断难以持续进入过程。Turn-Based交互违背了人类大脑的流式思考方式，中断式等待会破坏人的专注流。行动断裂：主动执行缺少授权边界、过程可见与可接管机制。Proactive Agent虽然提高了自动化效率，却也带来更隐蔽的风险——人的边缘化（Human Excluded）。认知断裂：记忆停留在后台检索，难以形成长期协作连续性。当前记忆系统本质上是“被动检索”，Agent无法像真正助理一样持续理解人类。成长断裂：经验难以从一次协作沉淀为可复用、可治理的能力。真实协作中产生的过程信号只停留在日志层，成功经验无法复用，失败教训也无法沉淀。（数据来源：《Coactive Agent技术白皮书》华为云AI创新LAB）。愿景与范式：Coactive = Interactive × Proactive。行业对Agent的典型定义围绕“推理、规划、使用工具、保持记忆、执行多步任务”展开。NVIDIA将Autonomous AI Agents描述为能够基于目标进行推理、规划和执行多步任务的AI系统。AI实验室普遍将“自主完成长任务的能力”视为模型和Agent最重要的能力。然而，如果我们把Agent的未来简单理解为“越自动越好”，就会忽略更根本的问题：真实工作不是一串可以一次性完整表达的指令。复杂任务伴随着目标澄清、判断调整、信息补充、审美选择、风险权衡和临场决策。一旦人被自动化工作流排除，人的智慧、灵感、思考也就无法在工作产物中承载。Coactive的核心判断：Agent的目标不是把人从工作流中移除，而是把人从重复、低价值、可沉淀的事务中解放出来，让人更稳定地留在创造、判断、沟通和决策等高价值环节。Coactive = Interactive × Proactive： Interactive：面向任务现场的实时协作机制。Agent通过多模态环境感知、共享任务状态和低延迟反馈，持续接收用户表达、编辑、浏览、停顿、修正与授权等信号，适用于目标尚未明确、判断标准仍在形成的任务。 Proactive：受证据、授权和治理边界约束的主动执行机制。Agent基于已沉淀的流程、偏好、质量标准在限定范围内持续进行任务规划、工具调用、结果验证和异常恢复，适用于可重复、可累积、判断标准相对稳定、风险可控的工作。“毕业线”：任务从Interactive状态迁移到Proactive状态的过程称为“毕业”。一个任务从Interactive转向Proactive的证据驱动迁移机制——当一类任务在Interactive中被多次协作、修正和验证后，系统识别其中稳定的能力片段，并将其沉淀为可复用的流程、技能、记忆和主动策略。（数据来源：《Coactive Agent技术白皮书》华为云AI创新LAB）。顶层架构：环境感知 × 智能主体 × 认知底座与元进化闭环。Coactive Agent系统抽象为三层顶层架构：第一层：环境感知。环境感知负责把人的任务现场转化为Agent可理解的上下文。过去，Agent主要通过聊天框获得用户输入；未来，Agent需要理解更丰富的现场信号，包括用户正在看的屏幕、正在编辑的文档、正在参与的会议、正在操作的应用、正在输入的文本、正在说出的语音，以及可能体现注意力和情绪变化的设备信号。环境感知通过三类接入对象获取信息： AI设备：AI耳机、AR眼镜、会议屏等边缘智能设备。 AI应用与工具：Office、浏览器、IDE、会议系统等。 Agent探针：面向非AI-native环境的PC/手机探针。任务现场投影：从环境噪声中抽象出当前任务的相关信息。系统需要识别用户正在编辑的焦点应用，判断哪些对象影响当前任务，哪些事件只是背景噪声。第二层：智能主体。智能主体依照Coactive范式具备Interactive和Proactive两种协作状态。同一个主体中两种协作状态可以切换，当任务仍需共同判断时，主体保持交互在场；当任务已经清晰、稳定、可授权时，主体转入主动推进。Interactive实时交互模型：多模态流式理解与低延迟反馈。前台交互模型负责低延迟理解、回应时机和交互控制；后台深度模型承接异步推理、检索和工具调用。可打断控制是实现连续交互的关键。Proactive主动执行：Agent App封装可运行能力、Proactive Workflow长程任务动态脚本、主动任务挖掘基于长程任务状态差异发现需求、主动介入分级从静默观察到条件自主。双态迁移：可信承接（从Interactive到Proactive）与协作唤醒（从Proactive到Interactive）。第三层：认知底座（Agent Memory Runtime）。Agent Memory Runtime是支撑Agent长期协作的认知运行时。它不应被理解为知识库或检索系统的增强版，而是贯穿交互、执行、沉淀与进化的系统能力。核心原则：“原文为终审，索引为派生结构”。原文不只是用户显式输入的文字，也包括环境感知系统传来的各种环境信息。系统可以基于原文生成摘要、标签、向量、图谱、时间线，但这些派生结构只作为索引层、加速层和解释层，不能替代原文本身。Interactive Memory：让记忆在用户输入、编辑、说话、切换页面、调用工具的过程中就开始工作。传统记忆调用是串行链路（用户说完→查询→拼接→生成），Interactive Memory则把用户输入看作连续的input stream，同步判断候选意图，提前预取项目背景、历史决策、应用对象、权限规则和用户偏好。Memory Router与Compiler：Router负责选择路径——怎么写、去哪读、何时读；Compiler负责组织结果——以正确粒度进入运行时。元进化闭环（AgentReflex）。AgentReflex是运行时的第二控制回路，由Observe→Evaluate→Diagnose→Mutate→Select→Preserve→Reuse七步闭环构成： Observe：将事件结构化为可回放、可分析、可归因的行为轨迹。 Evaluate：把任务结果、过程质量、成本效率、安全约束和用户反馈纳入持续评估。 Diagnose：识别失败模式、成本热点、质量回归和能力短板。 Mutate：基于诊断结果生成候选变异（Prompt、Tool、Memory、Workflow等）。 Select：对候选变异进行对比评估，选择更优版本。 Preserve：将通过验证的变异沉淀为Reflex Gene或Reflex Capsule。 Reuse：在新的任务出现时检索历史进化资产并推荐使用。（数据来源：《Coactive Agent技术白皮书》华为云AI创新LAB）。全生命周期安全体系：五大安全支柱。Coactive范式下，安全的基本单元从“一次请求及其响应”转向“持续变化、可以作用并能够返回证据的任务环境”。安全的隐喻从“墙”转向“场”。五大安全支柱：| 支柱 | 核心观点 | 回答的安全问题 |||||| 共处可信 | 人与Agent共处的信任基础，而非牢笼的约束墙 | 人如何信任Agent？ || 记忆主权 | 记忆是Agent的持久层，主权归属必须明确 | 记忆归谁、谁能访问、边界在哪？ || 行为可控 | 行为可控是可信承接的安全内洽，而非事后补救 | Agent做了什么、能否回滚？ || 进化护栏 | 进化必须有证据、有选择、有边界、可追溯 | Agent越用越好，但谁来守护进化？ || 推理安全 | Token流即安全流，从输入到输出的连续治理 | 推理过程中的安全如何保障？ |三条核心原则：1. 共处即安全：安全的目标是让人的判断、经验和创造力持续进入工作流，同时让Agent在授权边界内可靠承接。2. 原文为真相，派生为索引：每一条安全判断都必须可以追溯到原始证据。3. 越自主越约束：Agent的自主性与安全约束是正向关系，越自主越需要越严格的安全约束。（数据来源：《Coactive Agent技术白皮书》华为云AI创新LAB）。应用场景验证。场景一：品牌内容发布——Interactive实时共处。运营人员处理二十条待发布笔记时，Agent进入同一个发布现场，能看到剪贴板内容、光标位置、图片文件和平台反馈。用户停在标题输入框时，Agent给出两条更接近品牌语气的标题建议；图片拖入页面后，Agent提醒角落可能有第三方水印。第一篇顺利发布后，用户授权“剩余内容按这个风格处理”，Agent将稳定片段迁入Proactive。场景二：财务月报编制——可信承接与审计链。财务人员处理第一个sheet时，Agent记录选区范围、公式写入位置、图表字段和确认口径。首个sheet处理路径稳定后，任务经过可信承接条件（数据版本对得上、公式范围经过确认、口径有出处、责任人明确）才进入Proactive。发现异常时，Agent停下当前片段并唤醒财务人员，提示差异金额、来源和影响范围。场景三：RFP写作——Interactive Memory事中校验。用户写下“预计两周完成私有化部署”时，Agent立即进行事中校验：过去三个同类项目平均交付5-7周，交付负责人明确标记“不得承诺两周上线”。Agent建议改写为“完成环境评估后给出详细排期”。承诺还没进入定稿，组织记忆已经回到判断现场。场景四：方案共创与能力沉淀——完整闭环。技术顾问与医院客户讨论3D导航需求时，Agent从组织记忆召回上一轮方案上下文，实时将口头需求整理为结构化卡片，委托后台并行推进平面图建模、路径规划、UI设计。客户中途追加约束时，Agent更新后台任务（保留已完成部分，只新增受影响子任务）。方案完成后，产物作为应用能力包激活，生成二维码，客户当场扫码可用。（数据来源：《Coactive Agent技术白皮书》华为云AI创新LAB）。延伸阅读。以上为报告核心趋势分析，如需获取完整报告详细数据及全部图表，请访问下载页下载完整PDF报告。FAQ。Q1：Coactive Agent与普通Agent的核心区别是什么？A：普通Agent要么是被动响应的Reactive（等待指令），要么是主动包办的Proactive（尽可能自主执行）。Coactive将Interactive与Proactive协同耦合——Interactive让人的经验、判断和创造力持续进入工作流，Proactive让成熟任务在授权边界内可靠承接。关键不是“更高自主性”，而是“更好地与人共处”。Q2：“毕业线”是什么？如何判断任务可以从Interactive迁移到Proactive？A：“毕业线”是Interactive与Proactive之间的迁移标准。当一类任务在Interactive中被多次协作、修正和验证后，系统识别其中稳定的能力片段（常用材料来源、判断标准、输出格式、审批规则、用户偏好和质量边界），并将其沉淀为可复用的流程、技能、记忆和主动策略。任务一旦满足毕业线条件，就从“需要人与Agent共同探索”转向“Agent主动承接，人保留监督与介入权”。Q3：环境感知如何让Agent从“聊天框”进入“真实任务现场”？A：传统Agent主要通过聊天框获得用户输入，无法看到用户正在看的屏幕、正在编辑的文档、正在操作的表格。Coactive环境感知通过AI设备（AI耳机/AR眼镜）、AI应用与工具（Office/浏览器/IDE）、Agent探针（PC/手机探针）三类接入对象，将开放世界投影为当前任务最小充分、可行动且可追溯的任务现场。Q4：Agent Memory Runtime与普通RAG系统的区别是什么？A：普通RAG系统只在用户提交完整指令后才检索知识。Agent Memory Runtime让记忆在用户输入、编辑、说话、切换页面、调用工具的过程中就开始工作——记忆成为“运行时能力”而非“事后检索”。Interactive Memory将记忆查询和模型准备折叠进用户表达过程中的时间间隙，降低首token延迟。Q5：元进化闭环AgentReflex如何让Agent持续成长？A：AgentReflex通过Observe（观测）→Evaluate（评估）→Diagnose（诊断）→Mutate（变异）→Select（选择）→Preserve（沉淀）→Reuse（复用）七步闭环，将运行过程转化为学习过程，将失败反馈转化为选择压力，将有效修复转化为进化资产，将局部经验转化为组织能力。Q6：Coactive Agent的安全体系有何特点？A：五大安全支柱——共处可信、记忆主权、行为可控、进化护栏、推理安全。安全从“墙”（拦截越界行为）的范式迁移到“场”（人与Agent共处的任务环境）的范式。核心原则是“共处即安全、原文为真相、越自主越约束”。数据来源说明。本报告数据来源于华为云AI创新LAB《Coactive Agent技术白皮书》（版本V1.0，2026年7月），引用Gartner、麦肯锡、NVIDIA、OpenAI、Thinking Machines Lab等机构研究成果。