流式意图检测+永久记忆，NUS&NTU发布Pask：把贾维斯AI拉进现实

近年来，人工智能代理（AI Agent）的发展逐步从“被动响应”转向“主动理解”，以更贴近人类交互方式的方式提供服务。新加坡国立大学（NUS）和南洋理工大学（NTU）联合发布的新项目Pask，正是这一趋势的前沿代表。该研究提出了一个全新的通用范式，旨在将传统的大语言模型从被动问答模式升级为主动智能代理，核心在于流式意图检测（Streaming Intent Detection）与长期记忆机制（Long-term Memory Mechanism）的结合。

核心架构：三大模块构建主动智能代理

Pask系统由三个核心模块构成，分别为：

• 需求检测模块（Demand Detection, DD）
  作为整个系统的第一步，也是最核心的模块，DD通过实时感知用户行为，例如语音、文字输入、甚至视觉信息，来识别用户当前可能存在的隐性或显性需求。例如，当用户听到一个陌生术语时，系统能即时识别并主动解释。

• 长期记忆模块（Memory Module, MM）
  MM负责存储和管理用户的个性化信息，随着时间推移不断更新和进化，形成“长期上下文”。这种记忆不仅包括用户的基本信息，还能记录用户的行为模式、偏好、历史对话等内容，使AI能够“越来越懂你”。

• 主动系统模块（Proactive Agent System, PAS）
  PAS作为底层执行逻辑，持续运行并协调DD和MM，确保系统在没有用户明确提问时也能主动提供有用信息或建议。例如在用户查阅某篇论文时，PAS可能自动推荐相关研究或解释术语。

技术突破：实时感知与深度个性化

传统AI代理通常依赖用户的显式输入（如提问、指令），而Pask突破性地实现了流式意图检测，即通过持续监听用户行为，预测并响应其潜在需求。这种机制使得AI可以在用户尚未“说出口”之前，就进行有意义的干预。

与此同时，永久记忆机制的引入让用户数据不再只是短期缓存，而是形成持续积累的个人知识图谱。研究强调，Pask并非构建一个独立的记忆库，而是作为用户个人知识的统一入口和协同代理层，实现对多平台、多设备数据的智能编排。

这种结合意味着，Pask可以在多个场景中提供无缝的主动服务，例如：

1. 用户观看视频时，AI能实时检测其注意力变化并解释关键信息。
2. 在阅读过程中，AI能预判用户可能的疑问并自动提供注解。
3. 对话中，AI不仅响应问题，还能根据记忆主动提出有价值的观点。

应用前景与行业影响

Pask的提出为多个领域带来了新的可能性：

• 教育领域：在语言学习或课程理解中，AI能根据学习者的习惯与进度，提供定制化提示和内容。
• 医疗健康：长期记忆机制可以辅助AI追踪用户的健康状况，结合实时行为预测健康风险。
• 企业办公：作为个人助理，Pask能主动整理会议纪要、提醒待办事项，甚至跨平台协调任务。

研究者指出，Pask并非要替代现有工具，而是构建一个主动AI编排层，连接用户已有的应用与数据，成为“最懂你的统一入口”。

技术理念：从“I know what I don’t know”到“I don’t know what I don’t know”

Pask的设计哲学也体现了AI代理范式的一次转变。传统AI遵循“I know what I don't know”——在遇到未知问题时主动请求用户补充信息。而Pask更强调“I don't know what I don't know”，即AI主动探索用户尚未意识到的信息需求，这需要其具备超越用户当前认知的能力。

换句话说，AI不再等待用户提问，而是学会在用户需要之前给出帮助。研究人员强调，AI的真正价值不在于一次回答是否准确，而在于它是否能在关键时刻提供用户“正需要”的信息，使用户产生“就是这个”的共鸣。

开源与未来发展

该研究成果已以论文形式发布在Arxiv上（论文链接：https://arxiv.org/abs/2604.08000），并有望在多个开源项目中集成。Pask的架构设计具有良好的可扩展性，未来或将在智能家居、车载系统、AR/VR等更多实时交互场景中落地。

随着AI从工具逐步演变为“助理”甚至“伙伴”，Pask所代表的这种主动智能范式，或将引领下一代AI代理的发展方向。