03. 行为与不同颗粒度

本章回答什么

Agent 的想法必须逐层落到房间能够验证的身体结果。

为什么做
→ 这一阶段想得到什么
→ 接下来完成哪些任务
→ 身体现在执行哪个技能
→ 世界返回了什么结果

一、四种行为颗粒度

层级	时间范围	回答的问题	示例
长期方向	数天或更久	想持续追求、照护或维持什么	维持一个适合创作的生活
阶段意图	数十分钟到数小时	当前承诺得到什么结果	完成一幅小画
任务	数分钟	当前阶段下一件完整工作	准备桌面、寻找材料、完成底稿
身体技能	数 Tick 到数十秒	身体下一步怎样做	看向、走近、伸手、抓取、放下

长期生活不只有个人目标。阶段意图也可以来自承诺、照护、义务、习惯、仪式、禁止事项或对关系的修复。

二、行为生命周期

阶段意图

状态只有：

planned → active → completed
                 → suspended → active
                 → abandoned

每个意图必须包含：

• 来源：需要、长期目标、承诺、关系、实践、人类请求或观察；
• 完成条件：由世界或可观察结果判断；
• 放弃条件；
• 当前进度；
• 最短承诺时间；
• 被打断后的恢复点；
• 已尝试过的方法与失败原因。

MVP 同时只允许一个 active 阶段意图；被打断意图进入最多三项的暂停栈，防止无限积欠。

任务

任务状态为：

ready → active → succeeded
               → blocked
               → failed
               → aborted
               → timed_out

一个近期计划最多先展开五个任务。超过深度或无法找到任务链时，明确返回“目前不可行”，不能无限继续分解。

身体技能

身体同一时刻只执行一个主技能。每个技能具有：

• 根据 Agent 认识判断的开始条件；
• 执行时由世界真值检查的物理条件；
• 占用的视线、位置、手和持有槽；
• 最大时长与进度心跳；
• 安全暂停点；
• 成功条件；
• 可感知失败结果；
• 中止后怎样释放或保持对象状态。

三、一个行为模板需要什么

设计师定义任务或技能时，至少回答：

1. 为什么会成为候选；
2. Agent 以为什么条件已经满足；
3. 真正执行还需检查什么；
4. 使用哪些对象、区域和身体资源；
5. 如何判定进度与完成；
6. 可能产生哪些失败结果；
7. 哪些地方可以中断；
8. 结果怎样反馈到目标、状态、关系和记忆；
9. 哪些因素共同造成结果：技能、对象状态、布局、既有摆放、人类行为或未知；每项都带可观察证据与置信度。

只有可机器验证的物理完成条件才能结束任务。语言中的“我做完了”没有状态修改权。

四、主观候选与物理结果

行为要经过三道不同的门：

1. 主观可计划

根据 Agent 的认识、能力认知和已知物品用途，判断它是否认为这个行为值得尝试。

2. 已知条件检查

检查 Agent 当前已经感知到的限制，例如手中已有物体、眼前门明显关闭。

3. 物理执行验证

只有身体执行器读取世界真值，返回成功或 Agent 能感知的失败。

硬安全可以暗中阻止危险动作，但不能顺便把隐藏原因写入 Agent 认识。

五、“拿起杯子”怎样真正执行

Agent 记得杯子在桌上
→ 产生“拿杯子”任务候选
→ 走到记忆中的桌边
→ 主动看向目标区域
→ 若看见杯子，确认手空闲并伸手抓取
→ 世界判断抓取是否成功
→ 成功：建立手—杯子持有关系
→ 失败：返回够不到、太重、太热、被挡住或目标不在等可感知信息
→ 认知轮决定换位置、换方法、求助、稍后再做或放弃

如果人类在视野外先移走杯子，“拿杯子”不会神秘地从候选集中消失。失败和重新寻找正是故事与学习发生的地方。

六、“完成一幅画”的垂直行为链

单房间需要至少一个能够产生持久结果的长期工程。首个垂直切片可选绘画：

长期方向：维持创作生活
→ 阶段意图：完成一幅小画
→ 任务 1：准备可用桌面
→ 任务 2：确认纸、画具和光线
→ 任务 3：制作底稿
→ 任务 4：上色或完成主体
→ 任务 5：签名并放入作品区域
→ 世界结果：新增一件有阶段、状态和作者的作品

过程中可以真实遇到：

• 材料耗尽；
• 桌面被占；
• 工具损坏；
• 人类请求或移动关键物；
• 疲劳导致暂停；
• 作品不满意但物理上已经存在。

任务完成由作品状态和房间结果确认。Agent 对质量的评价可以影响继续修改或接受完成，但不能凭语言生成作品。

七、失败预算与恢复阶梯

MVP 起始规则：

• 同一个“方法 + 目标 + 失败原因”最多直接重试 2 次；
• 一个任务最多进行 3 次方法级修复；
• 超过预算后必须进入重新观察、换任务、求助、暂停或判定不可行；
• 等待人类回应设有期限，超时后恢复其他生活；
• 永久不可达目标会被标记，直到出现新证据才重新开放。

失败状态必须向上一层传递：技能失败不等于阶段意图失败；多个任务方法都不可行，才可能暂停或放弃阶段意图。

八、行为族

MVP 行为目录覆盖：

自我照顾

进食、休息、调整光线/温度、恢复姿势。

主动观察

环顾、看向、靠近检查、搜索、持续追踪变化。

移动与姿态

走近、远离、绕开、转向、坐下、站起、安全等待。

手和物体

伸手、抓取、持有、释放、放置、推、拉、打开、关闭、使用。

长期作品与维护

创作、研究、整理、修理、照护物品、推进工程里程碑。

社会行为

听、说、请求、接受、拒绝、协商、延后、结束互动、保护边界、修复关系。

生活实践

实行、变体、延后、失误和修复一个习惯或仪式。

内部与恢复

回忆、规划、反思、平复、等待、放弃、求助、回到安全状态。

内部行为也消耗时间，并必须最终影响一个可观察选择；无限思考视为停滞。

九、有限创造性

完全封闭的行为模板会让 Agent 机械，完全自由文本又无法执行。

每个认知轮最多允许大模型提出一个“新用途或新组合”：

• 指明想得到的结果；
• 只引用已知对象与已有身体技能；
• 由行为系统尝试组合成合法任务；
• 无法组合时返回物理、能力或情境原因；
• 不能因描述得合理就直接成功。

例如没有画笔时，Agent 可以提议使用合适布料制作纹理；系统仍需检查布料、颜料和手部操作是否支持。

十、人类在行为系统中的存在

MVP 把人类视为一个持续身份，而不是匿名 Prompt：

• absent：不在场；
• present：在房间或有可定位声源；
• speaking/listening/waiting：当前对话状态；
• 物理干预：由这个人移动或拿取对象，但只有可见时 Agent 才能正确归因；
• 内心声音：独立通道，Agent 不自动知道真正来源。

一个非安全类人类请求必须始终保留：接受、拒绝、协商、延后、结束互动五种可能。重复已拒绝请求不会自动提高吸引力；越界可触发静音、远离、保护物品或结束对话。

人类强行拿走物品的世界记录是“外部拿走”，不能写成“Agent 主动交出”。

十一、房间怎样避免无聊稳态

行为目录需要与四个房间循环配对：

1. 可消耗且有明确补给来源的资源；
2. 缓慢磨损、凌乱、修理与照护；
3. 能留下不同作品与布置的长期工程；
4. 可回放的低频环境事件与人类进出。

任何缺少资源来源的需要都必须允许适应和降级，不能让 Agent 永久重复呼救。

十二、可读性

画面至少让观察者看到：

• Agent 正在看什么；
• 哪只手正面向或持有什么；
• 当前阶段意图和任务进度；
• 最近一次改变主意的简短主因；
• 行为刚刚成功、失败、被拒绝还是等待。

这些反馈解释 Agent 的认识和决定，不泄露它尚未感知的世界真值。

本章的设计检查

每个高层意图都必须：

1. 在有限层数内落到已注册任务和技能，或明确返回不可行；
2. 有世界可验证的完成条件；
3. 同一时刻只占用合法身体资源；
4. 有进度、超时、中断和唯一终态；
5. 失败能被 Agent 感知，并把有证据的多个贡献因素向上传递；
6. 在重试预算内换方法、求助、暂停或放弃；
7. 对房间或 Agent 状态产生持久反馈；
8. 不要求大模型控制身体步骤。