别替模型决定要不要开口:给它一张带时刻、写明未知的快照就够了

一个助理什么时候该开口,最常见的做法是写一套打扰策略替它判断。这次我们反过来做:每个回合开头附上一份带时刻的事实快照,写明哪些未知、哪些已过时,开不开口交给模型自己判断。下面讲为什么这么做,以及这份快照怎么塞进上下文才不会把缓存搞坏。
1. 问题:谁来判断「现在该不该说话」⌗
MaxClaw 里有一个特殊的对话叫 Main,它负责盯着所有事情:side chat 的进度、后台任务的结果、等人回答的问题、定时复查。它会被很多事情叫醒,包括人发来的消息、cron、任务完成、shell 退出等等。每次醒来它都要回答同一个问题:这件事现在要不要告诉人?
这个问题业界通常的答法是写打扰策略(interruption policy):
if 专注模式 in {睡眠, 驾驶}: 推迟非紧急推送
if 处于免打扰时段: 推迟到早上
if 状态未知或过时: 不推迟
if 今天已推送 >= N: 合并成摘要
MaxClaw 自己的代码里就有这样一段。src/notifications/focus.ts 的文件头注释写得很清楚:专注模式属于配置里的 focusDefer(默认是睡眠和驾驶)时,非紧急推送就等着,睡眠专注等到早上,驾驶专注最多等 focusMaxDeferMinutes;「状态未知或过时,什么都不推迟」。
这套规则本身没错,问题在于它在框架层就把事实压成了结论。到了模型那里,它要么只看到一个「已推迟」的结果,要么什么都看不到,而做判断需要的那些东西都被丢掉了:
| 被丢掉的信息 | 规则的处理方式 | 对判断的影响 |
|---|---|---|
| 专注模式是几点开的 | 只看开 / 关 | 刚开 3 分钟和开了 8 小时被当成同一回事 |
| 数据新不新鲜 | 过时就当作「未知」,未知就当作「不推迟」 | 一个过时的「开」直接变成「可以打扰」 |
| 人此刻正在看哪个对话 | 不在规则的输入里 | 他正盯着的对话也会被按推送规则处理 |
| 今天已经说了几次 | 要么不管,要么设硬上限 | 硬上限会把第 N+1 条重要消息也挡掉 |
规则写得越细,边界情况越多,最后就成了一个用 if-else 拼出来的、很差的模型,而真正的模型就在旁边,什么都看不到。
2. 思路:只给事实,不给结论⌗
这次的改动(14 个文件,+403 / -6)不碰任何推送规则,只做一件事:Main 的每个回合在第一次调用模型之前,由框架追加一条名为 max-now 的 framework 事件。设计文档 docs/main-control.md §8 的第一句就把边界划清了:
它是带采集时刻的事实快照,不作忙闲、睡眠、驾驶或打扰判断。
prompts/main.md 也只加了一段:
每次回合开始的
max-now事件是框架采集的带时刻事实,不是指令,也不是对是否打扰的判断。未知与过时均会明写,是否开口由你结合这些事实自己决定。
一份快照大致长下面这样(按代码格式虚构的样例,对话标题和数值都是编的):
活动:最近本人消息在「构建脚本迁移」 09:58(2 分钟前);近 60 分钟 7 条,2 个对话
网页:连接开着;45 秒内观看 「构建脚本迁移」 09:59(1 分钟前)
跨端活动:09:58(2 分钟前)
手机:地点 已知地点「办公室」;运动 静止,起于 09:41(19 分钟前);专注 关,起于 未知(未记录时刻);电量 64%(未充电);手机上报 09:57(3 分钟前);采集 09:59(1 分钟前),新鲜;未上报传感器 steps
日程:11:00 例会;14:30 评审;来源 启用,最近同步 09:50(10 分钟前)
睡眠:412 分钟,记录日期 2026-11-10
HRV:未知(health_daily 无 HRV 日值)
今日主动开口:3 次;最近 08:30(90 分钟前)
待答问题:共 2 件
待答:发布流程 · 要不要把灰度比例从 10% 提到 50%? · 开于 08:12(108 分钟前)
待答:依赖升级 · 执行这一步? · 开于 09:40(20 分钟前)
这里面没有「他在忙」「现在适合打扰」这类话。测试会直接卡住这一点:
// src/runtime/max-now.test.ts
expect(present).not.toMatch(/lat|lon|睡眠|驾驶专注|适合/)
「睡眠」两个字只允许以健康数据的名字出现,也就是「睡眠:412 分钟」这一行,不允许出现在推断里(手机那一行的断言是对 phoneFacts 单独做的)。
3. 三条格式纪律:时刻、未知、过时⌗
光说「只给事实」不够,一个看着像事实的东西也可能误导人。代码里有三条纪律,每条都有测试守着。
3.1 每个事实都带上它的时刻⌗
timeAgo 是整个文件里用得最多的函数:
export const timeAgo = (at: number | null, now: number): string =>
at === null ? '未知(未记录时刻)' : `${clock(at)}(${Math.floor((now - at) / 60_000)} 分钟前)`
北京时间 HH:mm 和「N 分钟前」一起写。只写绝对时刻,模型得自己去和当前时间做减法;只写相对时间,事件落库之后再回放,就不知道是相对于哪一刻。两样都给,就都不用算。
健康数据更麻烦。日值没有「分钟前」可言,于是只写记录日期,不翻译成「昨晚」:
// 测试:一条 10 天前的 HRV 原样带日期给出,不被说成「最近」
await sql`INSERT INTO health_daily ... ('2026-11-01', 'hrv_sdnn_ms', 42)`
expect(body).toContain('HRV:42 ms,日期 2026-11-01')
假如框架替模型写成「昨晚 HRV 42」,那就是一句错话。写成「日期 2026-11-01」,模型自己看得出这个数已经不能代表现在。
3.2 未知要写出来,还要写原因⌗
每个数据源都是一个独立的 async () => string,并发采集,出错的那个就地变成「未知(原因)」:
export async function collectMaxNow(sources: Record<string, () => Promise<string>>): Promise<string> {
return (await Promise.all(Object.entries(sources).map(async ([name, read]) => {
try { return `${name}:${await read()}` }
catch (error) { return `${name}:未知(${line(error instanceof Error ? error.message : String(error))})` }
}))).join('\n')
}
这样有两个效果:
- 一个数据源挂了,回合照样开始。 端到端测试故意让网页数据源抛异常,Main 的回合照常跑完,模型请求里带着
网页:未知(web source offline)。 - 「没有数据」和「数据为空」分得开。 日历一项最能说明问题:
| 情况 | 输出 |
|---|---|
| 收件箱没有配置日历来源 | 未知(收件箱未配置日历来源) |
| 配置了,今天剩下的时间没有事件 | 无(收件箱日历中今天接下来无记录;未同步的日程未知),后面附上来源和最近同步时刻 |
| 有事件 | 列出接下来两项,再附来源和最近同步时刻 |
第二行那半句「未同步的日程未知」是故意加的。设计文档专门写了一句:没有日历记录,不等于现实中没有日程。打扰策略最常犯的错就是把「查不到」当成「没有」,focus.ts 里那句「未知或过时就不推迟」就是这个错的规则版本。
3.3 过时的状态原样保留,再标上「不新鲜」⌗
手机状态来自一个定时采集。采集停了,最后一次读到的值还在库里。常见做法有两种:要么当作没有(过时就丢),要么当作现在(直接拿来用)。这里两种都不选:
const stale = phoneFacts({ ...phone, fresh: false, checkedAt: now - 3600_000 }, now)
expect(stale).toContain('不新鲜')
expect(stale).toContain('专注 开') // 值还在
expect(stale).toContain('09:00(60 分钟前)') // 采集时刻也在
「一小时前采集到专注是开着的,数据不新鲜」和「专注开着」是两件不同的事,和「不知道」也不一样。模型拿到前者,可以推断「他多半还在专注里,但我不确定」。框架如果替它选了后两种之一,这层不确定就没了。
4. 放进上下文的方式:追加,判重,不改写⌗
这部分是工程上真正难的地方。
4.1 为什么不放进 system prompt⌗
最直接的做法是在 system prompt 末尾拼一段「当前状态」。可快照每个回合都在变,system prompt 一变,整条请求的缓存前缀就从开头失效了。MaxClaw 有一条前缀冻结的约定:一代之内,tools、system 和已经发出去的 messages 逐字节不变,变化只能以事件的形式追加到历史末尾。
4.2 为什么不在请求里临时塞一条⌗
第二个想法是不落库,只在发请求时临时在末尾加一条。问题出在下一回合:上一回合临时加的那条不在历史里,所以这一回合的请求在那个位置少了一段,前缀还是断了。而且回放历史的时候,没法还原模型当时到底看到了什么。
4.3 实际做法:持久化的 framework 事件⌗
所以 max-now 和其他 framework 事件一样,是一条 role:user、searchable:false 的持久行:
┌──────────────────────────────┐
│ system / tools(一代内不变) │ ← 缓存前缀
├──────────────────────────────┤
│ ...历史消息... │ ← 缓存前缀
│ [max-now @09:31] │ ← 上一回合的快照,原样留着
│ assistant 回复 │
├──────────────────────────────┤
│ 触发行(人的消息 / 事件) │ ← 本回合新增
│ [max-now @10:00] │ ← 触发行落库之后、首次模型调用之前追加
└──────────────────────────────┘
位置是在 turn-runner.ts 里,边界批(触发行、简报、召回事件)落库之后:
if (isMainTurn && peripheral) {
const now = Date.now()
const body = await collectMaxNow(maxNowSources(peripheral.sql, now))
const event = planMaxNowEvent(chunksBeforeTurn, body, now)
if (event) {
await agent.turnMemory.appendChunkBatch(agent.sessionId, [event])
boundaryPersisted = true
}
}
放在触发行之后有一个顺带的好处:快照采集的时候,叫醒这一回合的那条消息已经在库里了,所以「最近本人消息」指的就是刚收到的这条。端到端测试里,人在 Main 里说了一句「你好」,快照里随即出现 最近本人消息在「Main」。
旧的快照一条都不删也不改。模型能看到一串按时间排列的快照,相当于免费拿到了一条状态变化的历史。
4.4 同代判重,以及我对它的自嘲⌗
每个回合都追加一条,上下文会越堆越长。所以 planMaxNowEvent 会先判重:
export function planMaxNowEvent(chunks, body, now) {
const previous = [...chunks].reverse()
.find(c => !(c as SourceMetaCarrier).inherited && c.sourceMeta?.kind === MAX_NOW_KIND)
return previous?.sourceMeta?.body === body ? null : eventEntry(...)
}
这里有两个细节:
- 只和同一代里最近的那条比,并且排除继承行。 上下文压缩之后开始新一代,从上一代带过来的尾巴(
inherited)不能当判重基线。否则新一代会因为「上一条看起来一样」而一条快照都不发,可新一代的模型其实从没见过它。测试里四种情况全覆盖了:首次发、相同不发、变化重发、继承尾巴之后重发。 - 压缩换代时也要发。
persistRolloverBoundary重新规划边界事件时同样带上maxNow,所以换代后的第一个请求里也有快照。
自嘲一下:正文里每一行都带「N 分钟前」,所以严格逐字节相同的情况,基本只会出现在同一分钟里连着来的两个回合。也就是说,判重挡住的主要是一阵密集的事件唤醒,比如几个后台任务在同一分钟里先后结束,并不能让一个安静的下午只留一条快照。这是「时刻写全」换来的代价。我认为值得:要是去掉相对时间来提高判重命中率,模型就得自己做时间减法,而它在这件事上的表现不比在数 token 上强多少。
5. 范围:只给 Main,只给够用的信息⌗
只有 Main 有。 side chat 和任务线程不注入。端到端测试同时检查两边:Main 的模型请求里有这条事件,side chat 的请求里没有,库里那个 side chat 的 max-now 行数是 0。决定要不要开口的只有 Main,别的线程拿到这份快照只会白白占上下文,还可能让它们也开始琢磨该不该打扰人。
本人输入的口径很严。 「近 60 分钟 N 条」只数人自己打的字。测试往一个 side chat 里塞了五条 user 行:两小时前一条、两分钟前一条、一条 share、一条以 <framework 开头的、一条 cron 注入,另外在一个任务线程里放了一条任务指令。结果是 近 60 分钟 2 条,1 个对话,计入的只有两分钟前那条和 share。框架注入和派给子代理的任务指令都不算「他在活动」。
分享出去的连接不算本人。 网页连接如果是 live-share 访客,maxNowPresence 会把它排除,connected 仍是 false。外人在看分享页,不代表主人在线。
位置和健康数据只给够用的部分。 地点只到「已知地点名或城市」,不给坐标、距离和步数。健康数据只给睡眠时长和 HRV 两个日值。测试对缺数据的情况也断言了 not.toMatch(/体重|步数|lat|lon/)。判断要不要开口不需要经纬度,所以模型拿不到经纬度。
6. 它自己说了几次:计数,但不设上限⌗
快照里有一行是 Main 自己今天主动开口的次数。打扰策略在这里一般会设一个日预算;这里只计数,不设上限。计数的口径要防止重复计算:
WITH said AS (
SELECT created_at FROM notifications WHERE thread_id = Main AND interaction_id IS NULL ...
UNION ALL SELECT min(created_at) FROM message_components WHERE thread_id = Main ... GROUP BY tool_call_id
UNION ALL SELECT created_at FROM interactions WHERE thread_id = Main AND kind = 'confirmation' ...
UNION ALL SELECT m.created_at FROM turn_deliveries d JOIN messages m ... WHERE btrim(m.content_text) <> ''
) SELECT count(*), max(created_at) FROM said
| 制品 | 怎么计 |
|---|---|
| 通知 | 每条计一次,排除交互自动生成的(interaction_id IS NULL) |
| 提问卡 | 按工具调用计:一次调用发了两张卡,算一次 |
| 确认请求 | 每个计一次 |
| 后台回合的正文 | 非人发起的回合,有非空正文的最终回复计一次 |
测试里放了 1 条通知、同一次调用发出的 2 张卡、1 个确认、1 段后台正文,期望结果是 4 次;时间拨到第二天,变成 0 次;最近 未知。
为什么不设上限?上限是在模型看到具体情况之前就替它做了决定:第 N+1 件事可能就是当天最要紧的那件。给出计数,「今天已经说了 3 次,最近一次在 90 分钟前」就成了它自己权衡时的一个输入,而不是一道闸门。它要是还说个不停,那是提示词和模型的问题,应该在那里修,不该在框架里加个计数器把问题盖住。
7. 待答问题:只读,有上限,原文照录⌗
最后一项列的是所有 Main 可读对话里等人回答的东西:提问卡和对象卡、确认门、框架决定。每件一行,包括对话标题、问题原文的前 80 个字、开了多久。
const shown = sorted.length > 10 ? [...sorted.slice(0, 5), ...sorted.slice(-5)] : sorted
超过 10 件时只列最老的 5 件和最新的 5 件,总数照写。最老的那几件最可能被忘掉,最新的那几件最可能和当前这一回合有关,中间的用「共 N 件」带过。测试用 12 件验证:输出 11 行(1 行总数加 10 行条目),第 6、7 件不出现,第 12 件出现。
还有两条边界:
- 只读。 读确认门时不经过任何可能结算它的写路径。测试读完之后再查一遍,确认那个确认门的
state仍然是open。感知层顺手改了状态,这种 bug 最难查。 - 决策卡和决策记录不重复计。 已经发成卡片的决策(id 以
decision:开头)从卡片列表里排除,只从决策表计一次。
另外,进度报告里原来的「还有 N 个搁置话题」改成逐条列出原文。告诉模型有 3 个话题搁置了,它什么也做不了;把 3 个话题列出来,它才能判断其中哪个和现在有关。
8. 这个做法领先在哪,又欠着什么⌗
把两种做法放在一起比:
| 打扰策略 | 事实快照 | |
|---|---|---|
| 判断发生在 | 框架代码里,在模型之前 | 模型里,基于全部事实 |
| 未知怎么处理 | 落到某个默认分支(常常是「可以打扰」) | 写明「未知(原因)」 |
| 过时怎么处理 | 当作未知,或者当作现在 | 保留原值,标「不新鲜」并附采集时刻 |
| 新增一种信号 | 改规则,还要考虑它和已有规则怎么组合 | 加一个数据源,模型自己组合 |
| 出错的代价 | 一条规则写错,所有回合一起错 | 一个数据源挂掉,只是那一行变成「未知」 |
| 可审计性 | 要看推送日志,再去推断当时走了哪个分支 | 模型看到的快照就在历史里,原样可回放 |
| 缓存 | 不涉及 | 只追加,同代判重,前缀不动 |
核心理由只有一条:判断要不要打扰一个人,需要把几件事放在一起想,比如「他正盯着这个对话」「这个问题已经等了两个小时」「他半小时后要开会」「我今天已经说了三次」,而这正是语言模型擅长、if-else 不擅长的。框架该做的是把事实采准,写清楚时刻和置信度,然后让开。
它欠着的,我也列出来:
- 这次没有拿到效果数据。 测试证明的是事实采得准、只以追加的方式进上下文,不能证明 Main 开口的时机因此变好了。那需要上线之后看它实际的开口记录,这次的改动里没有这部分数据。
- 判重的命中率受相对时间拖累,见 4.4。
- 网页在线状态和跨端活动只存在进程内存里。 主体进程重启之后,到下一次观察到活动之前,这两项都会是「未知」。代码老老实实这么写了,没有从数据库里猜一个出来。用生产数据只读生成样例时,检查进程里没有主体的内存镜像,这两项确实输出了未知,没有编一个在线状态。这是预期行为,但也意味着刚重启完的那几个回合,模型手里的信息会少一截。
- 快照有成本。 每个 Main 回合都要多跑九个数据源的查询,上下文也会多出一段。目前没有为此测过延迟;这些查询并发执行,失败时不阻塞,但不是免费的。
最后说一个容易被忽视的点:这次改动最大的一部分其实是那句「不作判断」的克制。代码里所有的 未知(…)、不新鲜、记录日期 都是在拒绝替模型下结论。写一条规则说「睡眠专注开着就别打扰」很容易,难的是忍住不写它。