Ein Gespräch endet. Die Arbeit geht oft weiter.
Pläne müssen trotzdem vorankommen. Eine E-Mail kann eine Änderung bringen, ein Meeting kann verschoben werden, und eine Frage, die vor wenigen Augenblicken besprochen wurde, findet ihre Antwort vielleicht in einer anderen Anwendung. Für einen Agenten, der an dieser Arbeit teilnehmen möchte, sind Nachrichten des Nutzers nur eine Möglichkeit zu verstehen, was gerade passiert.
Im Januar 2026 wurde OpenClaw viral.
Eine wichtige Lektion daraus war, dass ein Agent weiter an der Arbeit teilnehmen kann, auch wenn der Nutzer keine neue Frage gestellt hat. Durch geplante Aufgaben und Heartbeats kann ein Agent relevante Angelegenheiten prüfen und entscheiden, ob er helfen soll. Das machte die Vorstellung eines Assistenten, der präsent bleibt, greifbarer. Es eröffnete auch eine erkundenswerte Richtung: Wenn Ereignisse jenseits des bloßen Zeitablaufs einen Agenten auslösen können, wie könnte er dann an unserem Alltag mitwirken?
Bei AirJelly stellen wir uns proaktive Agenten vor, die neuen Kontext gewinnen, während sich die Arbeit entfaltet, anhand der Ziele und Gewohnheiten des Nutzers beurteilen, wann sie handeln sollen, und auf die richtigen Fähigkeiten zurückgreifen, um zu helfen.
Dieser Artikel untersucht eine mögliche Architektur und die Ideen dahinter.
Proaktivität beginnt beim Nutzer
Es ist leicht, Proaktivität als eine Liste von Funktionen zu beschreiben: Meeting-Erinnerungen, E-Mail-Organisation, Aufgaben-Nachverfolgung und Vorschläge, was als Nächstes zu tun ist. Doch dieselbe Funktion kann in der Arbeit verschiedener Menschen einen sehr unterschiedlichen Wert haben.
Manche Menschen möchten über wichtige Änderungen sofort informiert werden; andere ziehen es vor, Nachrichten in Stapeln zu bearbeiten. Manche prüfen gern einen Entwurf, bevor sie ihn besprechen, während andere sich erst auf eine Richtung einigen möchten, bevor irgendeine Arbeit beginnt. Selbst dieselbe Person kann unterschiedliche Grade der Beteiligung begrüßen, je nachdem, ob sie ein Problem erkundet, sich auf kreative Arbeit konzentriert oder ein Ergebnis liefert.
Diese Unterschiede spiegeln wider, wie Menschen ihre Arbeit organisieren: wie sie Aufmerksamkeit verteilen, Entscheidungen treffen, mit anderen zusammenarbeiten und entscheiden, was sie an einen Agenten delegieren.
Ein proaktiver Agent muss daher die Ziele, Vorlieben und aktuellen Umstände des Nutzers berücksichtigen, wenn er entscheidet, wie er sich beteiligt. Eine E-Mail über eine bevorstehende Überprüfung könnte ein Grund sein, Materialien vorzubereiten, eine Vereinbarung zu aktualisieren oder zu warten, bis der Nutzer beendet hat, was er gerade tut.
Wir möchten, dass dieses Urteilsvermögen flexibel bleibt. Nutzer sollten ausdrücken können, worauf ein Agent achten soll, was er übernehmen soll und wann er sich zurückhalten soll, ohne sich an einen vordefinierten Workflow anpassen zu müssen.
Veränderungen in der Umgebung werden zu Gelegenheiten für Zusammenarbeit
Geplante Aufgaben machen Zeit zu einem Auslöser. Wenn man diese Idee erweitert, können viele Veränderungen in der Umgebung einem Agenten einen Grund geben, die aktuelle Situation neu zu bewerten.
Ein bevorstehendes Meeting, eine neue E-Mail, eine Desktop-Benachrichtigung, eine Änderung im Zustand eines verbundenen Geräts oder eine in einer Anwendung abgeschlossene Aktion können alle für laufende Arbeit relevant sein.
Desktop-Aktivität ist besonders interessant. Während Menschen lesen, Ideen diskutieren, Code schreiben und Pläne anpassen, verteilt sich der Kontext ihrer Arbeit über Anwendungen hinweg. Wenn ein Agent diese Aktivität innerhalb der vom Nutzer erlaubten Grenzen verstehen kann, kann er die Last verringern, den Hintergrund wiederholt zu erklären oder Informationen erneut zusammenzustellen.
Ein Ereignis sagt uns nur, dass sich etwas geändert haben könnte. Ob es wichtig ist, auf welches Ziel es sich bezieht und ob gehandelt werden muss, hängt alles vom Kontext ab. Ein Auslöser schafft eine Gelegenheit zum Urteilen; die Arbeit des Nutzers verleiht dieser Gelegenheit Bedeutung.
Wir möchten, dass die Aufmerksamkeit eines Agenten diesen Beziehungen folgt: relevante Vereinbarungen beobachten, während eine Überprüfung vorbereitet wird, die Konzentration beim Schreiben respektieren und seine Beteiligung ändern, wenn eine Aufgabe abgeschlossen ist.
Ein Agent, der beteiligt bleibt
Diese Ideen führen uns zu einer Architektur aus Auslösern, einem Hauptagenten, Tools und Sub-Agenten. Der Nutzerkontext informiert Entscheidungen, während die Ergebnisse von Aktionen und Feedback des Nutzers nachfolgende Urteile prägen.
Der Hauptagent trägt den Kontext der Arbeit weiter, beurteilt, ob eine Änderung Aufmerksamkeit verdient, und entscheidet, was als Nächstes geschehen soll. Er kann weitere Informationen sammeln, dem Nutzer eine Frage stellen, ein Tool aufrufen oder Arbeit, die weitere Erkundung erfordert, an einen Sub-Agenten delegieren.
Sub-Agenten arbeiten auf spezifische Ziele hin, während der Hauptagent weiterhin auf den Nutzer und Veränderungen in der Umgebung achtet. Auch das Multi-Agenten-Recherchesystem von Anthropic nutzt diese Aufteilung in Orchestrator und Worker. Für proaktive Agenten bietet es eine wichtige Design-Perspektive: Während eine Aufgabe ausgeführt wird, muss jemand weiterhin darauf achten, ob sich ihr Ziel geändert hat. Anthropics Multi-Agenten-Architektur
Wenn beispielsweise eine Überprüfung erneut verschoben wird, sollte sich die Vorbereitung darauf entsprechend ändern. Neue Informationen müssen laufende Arbeit beeinflussen und nicht bloß in der nächsten Antwort erscheinen. Die fortlaufende Zusammenarbeit zwischen dem Hauptagenten und seinen Workern macht das Ändern der Richtung, das Hinzufügen von Kontext oder das Beenden einer Aufgabe zu einem Teil dieser Beziehung.
Kontinuität bedeutet hier, dass die Zusammenarbeit über ein einzelnes Gespräch hinausreichen kann. Nachdem eine Antwort endet, bleiben die Ziele des Nutzers, unerledigte Arbeit und nachfolgende Änderungen verbunden. Die Beteiligung des Agenten sollte diese Verbindungen weitertragen.
Jedes Plugin ist eine zweiseitige Verbindung
Die Anpassung an verschiedene Tools und Arbeitsgewohnheiten erfordert Fähigkeiten, die komponierbar und pluggable sind.
In der Architektur, die wir uns vorstellen, fügt jedes Plugin Fähigkeiten in zwei Richtungen hinzu: Ein Plugin kann den Agenten durch Ereignisse auslösen, und der Agent kann die Tools aufrufen, die das Plugin bereitstellt.
Ein Kalender-Plugin kann den Agenten auslösen, wenn ein Meeting näher rückt oder sich eine Vereinbarung ändert. Es kann auch aufgerufen werden, um Kalenderereignisse abzufragen, zu erstellen und zu aktualisieren. Ein E-Mail-Plugin kann neue Eingaben liefern, wenn eine Nachricht eintrifft, sowie Tools zum Lesen und Antworten. Ein Geräte-Plugin kann Zustandsänderungen melden und entsprechende Steuerungen bereitstellen.
Jedes Plugin kann daher sowohl der Ausgangspunkt für Zusammenarbeit als auch ein Teilnehmer an den darauffolgenden Aktionen sein.
Wichtiger noch: Diese Fähigkeiten können pluginübergreifend wirken. Eine per E-Mail mitgeteilte Änderung könnte den Agenten dazu veranlassen, den Kalender zu prüfen und dann die Vorbereitung relevanter Materialien an einen Sub-Agenten zu delegieren. Das Plugin, das ein Ereignis einbringt, bestimmt nicht, welches Plugin der Agent als Nächstes verwendet. Die Ziele des Nutzers und der aktuelle Kontext leiten diese Wahl.
Mit dem Hinzufügen von Plugins erweitern sich die Umgebung, die der Agent verstehen kann, und die Aktionen, die er ausführen kann, gemeinsam. Nutzer können Fähigkeiten rund um ihre eigene Arbeit wählen, ohne auf eine bestimmte Anwendung, eine Kategorie von Aufgaben oder einen festen Workflow beschränkt zu sein.
Lassen Sie den Nutzer das Tempo bestimmen
Der Wert eines proaktiven Agenten hängt letztlich davon ab, ob er angemessene Hilfe bietet. Manchmal bedeutet das, Materialien im Voraus vorzubereiten oder unerledigte Arbeit nachzuverfolgen. Manchmal bedeutet es, die Situation zu verstehen und sich dafür zu entscheiden, nicht zu unterbrechen.
Diese Art der Zusammenarbeit muss Raum lassen, damit der Nutzer Vorlieben ausdrücken und Anpassungen vornehmen kann. Nutzer sollten ändern können, worauf der Agent achtet, sein Verständnis der Arbeit korrigieren und entscheiden können, welche Aktionen fortgesetzt und welche beendet werden sollen.
Eine komponierbare Architektur bietet eine Grundlage für diese Flexibilität. Auslöser bringen Veränderungen in die Aufmerksamkeit des Agenten, Nutzerkontext informiert das Urteil, und Tools und Sub-Agenten führen Aktionen aus. Diese Teile verbinden sich rund um die Arbeit, die der Nutzer voranbringen möchte.
Dies ist eine Vision für proaktive Agenten bei AirJelly: Agenten, die natürlicher an laufender Arbeit teilnehmen, auf eine Weise helfen, die den Zielen und Arbeitsgewohnheiten des Nutzers folgt, und ihre Beteiligung anpassen, wenn sich die Umstände ändern.