当聊天机器人还在比拼回答质量时，一批产品已经悄悄把交互的起点从用户挪到了 AI 自己身上。
发生了什么
据 MarkTechPost 报道，Meta 的 Muse、OpenAI 的 Dots 以及 Uber 的司机助手，三个来自不同公司的产品共享同一个设计赌注：Agent 先开口。这意味着交互模式从传统的「拉取」（用户提问、模型响应）转向「推送」（模型判断时机、主动发起）。
报道指出，这一转变把工程上的核心难点从「回答什么」迁移到了另外三个问题上：什么时候该打断用户、通过哪个渠道触达、以及提出什么样的内容或建议。文章认为，经典机器学习方法与新的决策模型都可以用来解决这类问题。
为什么重要
过去几年，对话式 AI 的产品形态基本被「输入框」定义：用户带着明确意图来，模型负责给出尽可能好的答案。这套范式的隐含假设是——用户知道自己要什么，也知道什么时候需要。
主动式 Agent 打破了这个假设。它要求系统持续感知上下文（用户在做什么、处于什么状态、此前发生过什么），并在此基础上做出「是否介入」的判断。这不是把回答质量再提升一个档次，而是换了一类问题：从信息检索问题变成了决策问题。
值得注意的是，三家公司选择的场景差异很大——Meta 偏向通用助手，OpenAI 的 Dots 属于新形态探索，Uber 则聚焦司机这一垂直场景。但它们收敛到同一个模式，说明「主动发起」正在从个别产品的巧思变成一类可复用的产品范式。
影响与看点
对开发者而言，这意味着技术栈的重心会发生变化。提示工程、检索增强这些围绕「答得好」构建的能力依然重要，但会逐渐让位于时机判断、渠道选择、打扰成本估算这类更接近推荐系统和风控系统的能力。文章提到经典 ML 与新的决策模型都能派上用场，这暗示主动式 Agent 未必需要全新的模型架构，更多是工程组合问题。
对用户而言，体验上的变化可能比技术上的更直接：产品会变得更「有存在感」，也更需要被驯服。主动开口一旦做过头，就从助手变成骚扰。因此「何时保持沉默」很可能成为下一阶段产品差异化的关键指标，而不是回答准确率。
对行业来说，一个值得观察的信号是：当 Agent 开始主动发起，评估体系也需要重写。现有的 benchmark 大多衡量被动响应质量，缺少对「该不该说」这类判断的度量。谁先建立起这套评估标准，谁就更可能定义主动式 Agent 的产品规范。
一句话判断：主动式 Agent 的竞争壁垒不在模型能力，而在对「打扰」这件事的克制程度。
