当Agent仍被困在聊天框、记忆只能在后台被动检索、任务状态无法跨会话延续，人机协同就始终停留在“问答工具”层面。华为云Coactive Agent白皮书提出了“环境感知×智能主体×认知底座”三层架构——环境感知把开放世界投影为任务现场，智能主体组织前台共创与后台执行，认知底座以“原文为终审”保持长期连续性，三者由元进化闭环贯通，构成了下一代Agent的系统化工程蓝图。

Coactive环境感知的核心目标是让Agent接入开放世界的真实任务环境，而不是只停留在聊天框中。为此，白皮书定义了三类环境感知的接入对象。
AI设备（耳机、AR眼镜、会议屏等）通过链接对象协议主动上报设备状态、传感器事件、语音片段、用户操作等事件。AI应用与工具（Office、浏览器、IDE、会议系统等）主动暴露操作对象、工作状态、工具能力、调用结果和可执行的操作。Agent探针面向非AI-native环境获取屏幕、音频、键鼠、窗口焦点、系统通知等系统事件，并通过链接协议上报。
三者的共同价值是把Agent从聊天框带入真实任务现场，使Agent能够感知人、设备、应用和物理空间中与任务相关的状态变化。其中AI设备和应用与工具负责原生上报，Agent探针负责为非原生环境补齐信号获取和结构化事件生成能力。

环境感知能力越强，越需要先明确设计原则，否则它很容易从“理解现场”滑向“过度采集”。Coactive环境感知遵循四条原则：
相关——决定哪些信息可以进入任务现场。Agent不需要知道一切，只需要知道与当前任务相关的上下文，把全量环境收敛为最小充分表达。判断相关性的关键不是信号是否存在，而是它是否会改变当前任务的理解、行动、风险或结果验证。
低扰——决定环境信息何时呈现或触发交互。能安静完成状态更新时，不应把每一次观察都转化为提醒；只有当信息改变任务判断、风险上升或用户可能需要帮助时，才应进入前台交互。
可控——决定当前任务允许访问什么、改变什么。环境感知必须与权限系统、隐私策略、企业数据边界和审计机制配合，个人记忆、应用记忆和组织知识之间不能被无差别打通。
可追溯——决定系统如何检查、修正和恢复。环境感知产生的状态、建议、行动依据都应带有来源、时间、对象、权限和置信度标记。
任务现场投影负责把结构化事件进一步组织成与用户当前任务相关的任务现场，完成信息抽取、对象对齐和约束确定，最终输出包含当前任务目标、关键对象与版本、任务阶段、用户确认与开放问题、约束及行动边界、证据回溯等关键要素的任务现场。

Interactive是Coactive的前台协作状态，面向目标还需讨论、判断标准不清晰、需要人类经验和创造性参与的开放任务。它让人和Agent面对同一任务现场，在连续时间中共同形成问题、组织材料、比较方案。
Interactive的核心机制包括三部分。连续输入与现场承接——主体持续接收语音、文本、屏幕操作和应用事件，并整理为与当前任务相关的状态增量。链接对象与多应用嵌入——文档、表格、会议、网页和代码通过链接对象协议接入，使人和Agent面对同一对象和同一任务现场。实时交互模型——以低延迟实现实时交互，在静默跟随、轻量提示、澄清追问、请求确认和后台委派之间切换。
链接对象协议是Interactive的关键支撑。它让文档、网页、表格区域、会议片段和代码位置都通过统一协议进入和退出任务现场。协议包含注册、功能手册、心跳、事件发布、注销五个接入面原语，以及对象发现、手册查询、功能调用、信号订阅、退订五个应用面原语。它建立了两条方向相反的通路：功能调用从Agent流向对象用于执行操作，信号订阅从对象流向Agent让现场变化主动流入判断过程。

Proactive是Coactive中的任务执行态，面向目标清晰、路径稳定、结果可验证的成熟任务片段，主动发现任务及持续完成任务。Proactive继承Interactive形成的目标、质量标准和权限边界，并把执行证据写回过程状态。
Proactive的整体设计包含五个运行环节。目标承接——读取Interactive已确认的目标、成功标准和停止条件。Agent App承载——将成熟能力片段封装为有生命周期的可运行应用。Proactive Workflow推进——用长程任务动态脚本记录阶段、依赖和检查点。主动任务挖掘——通过长程任务状态差异发现下一步主动任务。主动介入分级——从静默观察、静默准备、轻量提示、请求确认、确认后执行到条件自主，每一级对应不同的证据和授权要求。
Agent App与传统Skill的核心差异在于运行形态。Skill是一次调用、返回结果、交互结束；Agent App则持续数天甚至数周，需要多阶段执行、持久状态和条件回调。Agent App Runtime负责长程应用的可靠启动、暂停、恢复和治理，覆盖生命周期管理、状态持久化、平台能力反调、回退与副作用管理、分享定制与治理五个层面。

Agent Memory Runtime是支撑Agent长期协作的认知运行时。它不是任务结束后的归档或生成前的一次检索，而是贯穿交互、执行、沉淀与进化的系统能力。
白皮书提出核心判断：原文为终审，索引为派生结构。原文包括用户显式输入和环境感知传来的各种环境信息，是Agent记忆的原始材料，也是发生争议时可以回到的事实锚点。系统可以基于原始材料生成摘要、标签、向量、图谱、时间线等派生结构，但这些派生结构只作为索引层、加速层和解释层，不能替代原始材料本身。
Memory Base以文件系统为承载，将session、project、resource、app等上下文原文组织为Agent Memory Filesystem。以目录表达归属，以Markdown与frontmatter承载人和Agent都可解析的结构，以链接表达引用关系。一致性保存点以Commit统一多路索引——重要记忆写入时以原文为依据生成阶段性摘要，并同步更新所有派生索引，两者绑定为同一个可审计事务。应用级记忆为每个应用保留独立的认知空间，避免跨应用经验的无边界混用。软链接工作空间让多Agent和沙箱在最小暴露下共享必要原文。

Interactive Memory是Agent Memory Runtime在实时交互场景下的关键实现。传统记忆在用户提交完整指令后才被调用，Interactive Memory让记忆在用户输入、编辑、说话、切换页面的过程中就开始工作——随着输入逐步出现，系统同步判断候选意图，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，并在语义相对稳定时进行准备。它把原本发生在提交之后的记忆查询和模型准备，折叠进用户表达过程中的时间间隙。
Memory Router负责选择路径——回答怎么写、去哪读、何时读。一次交互结束后，哪些内容只是临时上下文，哪些应该写入项目记忆，哪些应该写入用户偏好，哪些应该沉淀为稳定流程。读取时，当前任务需要用户长期偏好、项目历史、应用记忆还是组织知识，不能只按相似度排序。Memory Compiler负责组织结果——让记忆以正确粒度进入运行时，某些内容进入prompt，某些进入prefill或缓存，某些只保留为可按需查询的索引。
Runtime Coordinator统筹输入流、记忆查询、KV Cache与prefill、沙箱初始化与多Agent交接的时序，让正确的记忆在正确的时机以正确的粒度进入正确的执行环节。