当AI开始主动找你：下一个软件入口，会是用来排序AI请求的那一层

最近半年我用各种AI工具时，养成了一个习惯：遇到一个具体需求，先问"有没有现成的skill能用"。这个动作本身值得停下来想一想——市面上的skill已经多到没法自己一个个去查，我把"找到合适工具"这个判断，外包给了大模型。

这个外包动作目前还是我主动发起的。但我隐约觉得，这只是个过渡状态——参考prompt engineering这几年的变化（早期写prompt要"扮演角色+列限制"，现在只需要描述需求，模型自己会推断该用什么"角色画像"去处理），skill这件事很可能也会走向同一个终点：不是我变得更会用skill，而是"该用什么"这个判断本身，从我手里转移到了系统手里，我甚至不需要意识到它发生了。

这个转移——"判断该做什么"这件事的发起权，从人转移到AI——我觉得是理解AI对软件行业影响的一个更小、但更准确的观察单位。

一、"AI从被动到主动"已经不需要再证明

从ChatGPT开始的"聊天功能"到单点任务提效，再到agent执行长链条任务，这条演进路径本身在2026年已经被反复讨论。ambient agent（环境智能体）被认为是2026年企业AI的核心叙事，观察式AI也被认为已经取代基于提示的聊天机器人，成为2026年个人AI的代表性类别——不再等待提示，而是持续观察上下文，主动把洞察呈现给你。学术界也在研究这个转变本身怎么实现，一篇被ACL 2026接收的论文专门研究agent该如何学会判断"什么时候主动行动、行动是否及时"。

国内也有类似方向的探索：据中文科技媒体报道，清华大学联合面壁智能提出了"主动Agent交互范式"，通过构建环境模拟器和ProactiveBench数据集，尝试让agent从"被动接受指令"转向"主动观察环境、预判用户需求"。

这一层判断我不打算重复展开，它已经是行业共识而非预测。我想往前走一步的问题是：这个"主动"渗透到什么程度会停下来，以及当所有软件都开始"主动"之后，会发生什么。

二、agent自主性的"L1到L5"，其实没回答这个问题

agent autonomy领域有一套已经成型的分级方式：操作者→协作者→顾问→审批者→观察者（对应L1到L5）——一个agent该被授予多大的自主权，从"完全听指令"到"自己定目标、自己干"。国内一些介绍ambient agent的文章里，"审批者"这一层也被称为"审核模式"：agent先把方案准备好，用户只需要确认或拒绝。

我自己琢磨这个问题时，第一反应也是往"自动驾驶分级"这个方向类比——后来发现行业里已经有几乎一样的提法，这至少说明这个类比不是凭空想出来的，但也说明它本身不算新鲜。

但这套框架问的是单个agent的问题："这一个AI，我该给它多大权限"。它没回答的是：当世界上同时存在成百上千个L2、L3、L4级别的agent/skill，每一个都觉得自己有事要向你汇报、有判断需要你拍板时——谁来决定"现在哪件事最该被你看到"？

开头说的skill例子，其实已经有真实产品在往这个方向走。奇绩创坛2026年春季路演里有一个叫Thennote的项目，介绍里写的是"用户不需要理解不同模型和工具的适用边界，也不需要在多个AI产品之间切换"——系统会根据任务自动选择合适的模型和工具。这正是我设想的终态："该用什么"这个判断，已经不需要我来发起了。当然这是一个刚路演完的早期项目，产品形态和效果都还没经过市场验证，但它说明这个方向上已经有人在做。

这是一个发生在agent之上的、元层面的问题。我后面想说的"主动性渗透到哪里会停下"和"会催生什么新东西"，答案都和这个元层面问题有关——而且这个渗透不会是均匀的，后面会展开说它在什么地方会停下来，以及为什么。

三、AI的"主动"，和推荐算法的"主动推送"不是一回事

这里需要先做一个区分，否则容易把"AI主动找你"等同于"推荐算法变强了"。

推荐算法的逻辑是被动响应+统计相关性。前提是你已经打开了App——交互发起权始终在人手里，算法只是在"货架"上重新排序。逻辑上你随时可以选择不打开App。

AI预测需求的逻辑不同：它基于对当前任务/状态的推理，判断"此刻有件事需要你介入"。它改变的不是"展示什么"，而是"交互什么时候发生"。终局形态下，你能控制的是"如何响应"，不是"是否被找到"。

这是发起权本身的转移，不是排序精度的提升——程度上的差异最终会变成性质上的差异。

这种发起权转移会以什么形态出现，在C端和B端并不一样——这是下一节要讨论的。

四、同一种"主动"，在C端和B端长得不一样

C端场景下，这种"主动"大概率会是隐形基础设施。像skill自动加载这种判断，用户最终可能感觉不到这个层存在。

B端可能反过来，需要更强的可见性和可追溯性。一个具体的例子在财务/审计场景：据财务SaaS厂商Nominal介绍（该公司已于2025年7月完成$20M Series A融资），他们的产品让agent全程跑在每个账户上，持续标记异常，在问题刚出现、上下文还新鲜、修复成本还低的时候就被处理，把审计准备从周期性的"救火"变成持续的"控制"。

这类场景下，agent的"主动"不会是隐形的——财务团队需要知道"为什么这条被标记了""数据来源是什么"，判断过程本身要可见、可回溯。这和我自己在金融数据处理里的经验是一致的：核心要求是准确和合规，合规的前提之一就是过程可追溯。所以B端的"主动"，更可能表现为"系统持续在跑、持续在标记，但每一次标记都带着可审查的依据"，而不是"系统悄悄把事情都办了"。

下面这张表对比一下这两种场景下"主动"的不同表现：

这两种形态——C端的隐形和B端的可追溯——目前都还只是单点产品内部的设计选择。当这些主动的判断从单个产品扩散到你日常接触的所有软件时，第二节提出的那个元层面问题就会变得现实起来。

五、当"判断"本身变得拥挤，谁来排序？

回到第二节提出的元层面问题。

这个问题成立的前提，是agent的数量会持续增长到"拥挤"的程度。奇绩创坛创始人陆奇在2026年春季路演开场提到，以Claude Code为代表的能动性智能体已经能独立操作各类认知工具，认知工作的边际成本正在趋近于零——如果这个判断方向是对的，意味着获得一个agent的门槛会持续走低，每个人面对的agent数量会从个位数变成两位数、三位数。

这里有一层值得说清楚的因果：agent的数量可以随着开发成本下降几乎无限增长，但你的注意力总量不会跟着增长。"被你看到"本身，会变成一种不会扩容的稀缺资源。

现在已经能看到一些具体形态：有团队把多个agent的输出都汇总到一个IM工具里，把它当作几十个agent的"神经系统"，扫一眼就能感知所有agent在做什么，不需要分别登录十几个独立的dashboard。Slack则走得更远——2026年3月Salesforce为Slack发布了30项AI功能，Slackbot正式具备跨Agentforce、Zoom、Google Meet等企业应用编排任务的能力，分析师将其定位为从协作工具向agent协调操作层的战略转型，而非单点功能更新。

但目前这套方案本身是人工搭建的仲裁——是人配置好通知规则，人去IM里扫一眼。而且效果并不理想：有从业者直接把当前的agent编排状态描述为"broken"，点击通知后经常找不到该去哪个窗口，需要在多个终端和浏览器标签之间来回切换才能弄清楚是哪个agent需要介入、为什么需要。

C端也有早期尝试。奇绩创坛同一届路演里，还有一个叫Oki Home的项目，连接照片、文件、聊天记录、日程等个人数据，强调"持续理解、整理并记住个人上下文"，并"主动、个性化地替用户行动"，且数据留在本地。这类产品目前还是单点的个人助理，离"仲裁多个agent的请求"还有距离，同样是刚路演完、未经市场验证的早期项目——但有意思的是，前面提到的Thennote也来自这场路演，两个独立团队在差不多的时间点上不约而同地往类似方向走，这本身可能比单个案例更说明问题。

我倾向于认为，这个"仲裁"动作本身，最终会被AI化。现在是"人在IM里手动扫描+判断优先级"，下一步可能是"AI判断优先级，只把真正需要你拍板的东西递给你"。这个负责仲裁的层，如果真的出现，会成为新的软件入口——不是因为它功能多强大，而是因为它会是你和"成百上千个主动agent"之间唯一的接触面。"打开App"这个动作的意义会逐渐消失，取而代之的是"这个仲裁层决定了你今天会看到什么"。

这里可以再往前推一层：如果"被看到"是稀缺资源，而仲裁层掌握了这个资源的分配权，软件之间的竞争可能会发生一次错位——现在的竞争是争夺"用户主动打开App的频率"（日活、使用时长这类指标背后的逻辑），但如果交互发起权转移到仲裁层手里，竞争对象就会变成"能不能被仲裁层判断为'值得递给用户'"。某种意义上，仲裁层会变成新的流量入口，其他agent和软件，会变成在这个入口之下争取曝光的"内容"。这一层推论目前还没有明确的产品或市场证据支撑，更像是"如果前面的判断成立，顺着推下去会是什么样"——值得记在这里，但还不能当作已经发生的事实。

下面这张表把目前能看到的几个案例，从应用场景和可见性两个维度对比一下：

这几个案例目前都还停留在各自的象限里——Nominal 和 Slack 是已上线的正式产品，但各自只覆盖特定场景，还没有出现真正横跨C/B端、统一承担排序功能的产品——这正是我说的"仲裁层"目前还只是一个预测，而不是已经存在的东西。但这个预测要成立，还需要回答一个问题：是不是所有场景的判断，都会沿着这条路径，走向"AI主动+人拍板"甚至更进一步？

六、有些地方，这条路径可能走不到头

据一篇关于Agentic AI自主性分级的分析文章作者判断，完全自主（L5）目前不适合企业部署，所需的控制机制还不存在，应该被当作研究问题而非部署选项——这是这位作者明确表达的个人立场，而不是行业的统一结论。但这个判断目前更多被处理成"现在做不到，以后可能行"——一个时间问题。

我想加一层区分：有些场景，即使技术能力到了，也可能永远走不到"AI判断+AI执行"这一步——因为卡住的不是能力，是责任归属机制。世界经济论坛一篇关于agent治理的文章也提到，治理是agent从"聊天机器人"演变为"助理"过程中的关键议题——这和我想说的"责任框架决定边界"是同一个方向的问题，只是我更想从"两类不同的止步原因"这个角度拆开看。

这里需要拆成两类经常被混在一起说的"止步"原因：

第一类是能力不足型：行业特有的业务编码、内部规则，AI目前缺乏足够的上下文，需要人工补充输入。这类问题理论上会随着系统接入更多数据、积累更多上下文而逐渐缓解。

第二类是责任不允许型：在金融这类场景里，某个结论能不能进入下一个环节、能不能被当作"已确认"的事实，背后对应的是审计链条上"谁签字"的问题。如果AI主动执行（哪怕只是"主动提醒+一键确认"），一旦出错，责任链条就会变得模糊——这不是AI判断力够不够的问题，是监管和责任框架本身决定了发起权必须留在人手里。

第一类会随时间改善，第二类未必会——除非责任框架本身发生变化（这是另一个话题）。所以"主动性渗透到哪里会停"这个问题，答案不是一个统一的边界，而是要看具体环节卡在哪一类原因上。

---

回到开头的skill例子，以及第二节提到的Thennote。"我问AI该用哪个skill"这件小事，如果按本文的逻辑往后推：这个判断会逐渐从"我主动发起"变成"系统持续在做、我基本不感知"——类似第四节说的C端隐形基础设施，Thennote和Oki Home这类还在路演阶段的项目，已经是这个方向上的具体尝试，只是还没到能验证终态的阶段。

但放大到整个软件生态，当成百上千个这样的"判断"同时在发生、都想被你看到时，真正稀缺的不是判断能力，而是"谁的判断该被优先呈现给你"。这个排序本身，我认为会成为新的软件入口——一个介于你和所有AI agent之间的仲裁层，也可能成为软件之间竞争的新焦点。

比较确定的是：发起权从人到AI的转移方向，以及这个转移会催生一个新的"层"。不确定的是：这个层会以多快的速度出现、会是哪种产品形态（独立App、操作系统级功能，还是现有IM工具的演化），仲裁层是否会重塑软件竞争的焦点，以及在B端，这个层会不会反而因为可追溯性要求，变成一个比C端更复杂、更"显眼"的东西。

另外可以确定的是，这个转移不会均匀发生——哪些环节会先到、哪些环节可能永远不会到，取决于具体卡在"能力"还是"责任"这两类不同性质的问题上。