华为云：2026年Coactive Agent技术白皮书 —— 面向开放世界的Agent范式（86页）.pdf

核心结论速览： 企业级Agent规模化落地的最大瓶颈不是“AI不够强”，而是“人机协作不够自然”：当前Agent系统在真实商业场景中面临现场断裂、协作断裂、行动断裂、认知断裂、成长断裂五大结构性问题。Agent不是“更自动”就能解决这些问题的——需要从“自动化”转向“共处”。 Coactive的核心是“不确定处共创，成熟处承接”：Interactive让人和Agent在同一任务现场中实时共处、共同思考；Proactive让Agent在授权边界内主动准备、执行、验证和回退。人的角色从“指令发出者”变为“共同创造者”，从“重复执行者”解放出来回到“判断决策者”。 “毕业线”是实现渐进式自动化的关键机制：一个任务不能因为做过一次就交给Agent自动执行。毕业线通过任务、能力、责任三域成熟度判断能力片段是否可独立验证、可授权、可回退。只有证据充分、路径稳定、风险可控的任务片段才能从Interactive进入Proactive。 记忆不是在回答前被检索的档案，而是在协作中持续运行的认知能力：Agent Memory Runtime让记忆在用户输入、编辑、说话、切换页面的过程中同步工作——Interactive Memory改变的是记忆进入协作的时机。用户写下一句对外承诺时，记忆同步提醒历史口径是否一致，而不是等全文生成后再审查。 元进化让Agent从“完成任务”走向“理解工作方式”：AgentReflex通过观测→评估→诊断→变异→选择→沉淀→复用闭环，把真实协作中的成功、失败、修正、成本和反馈转化为可复用的进化资产。Agent的能力越使用越强，而不是每次从零开始。 Coactive安全从“墙”走向“场”——安全不是牢笼，而是共处的地基：五大安全支柱（共处可信、记忆主权、行为可控、进化护栏、推理安全）让安全内生于人与Agent共处的任务场中，而非外挂于边界上。越自主越约束，每一次行为迁移都带着证据、边界和回滚方案。垂直主题的现状与路径——为什么Agent需要从“自动化”走向“共处”。当前AI Agent的行业叙事，大多围绕“更自主、更自动、更少人参与”展开。Gartner预测2028年每家500强将部署150,000个AI Agent，麦肯锡估计Agentic AI每年可创造2.6-4.4万亿美元价值——这些数字释放的信号是：Agent技术对生产力的重构已经开始。然而，真实的企业落地经验却揭示了另一面：现有的Agent系统虽然高效，但依然无法完整呈现人类独有的灵感、经验和创造力。完全由AI自动化决策驱动的方式必然面临信任与能力的双重瓶颈。根本原因：真实任务不是目标明确、边界固定、环境稳定的封闭流程。复杂任务存在于目标、边界与环境持续变化的开放世界，推进任务依赖人与智能体不断进行判断、协商、确认、修正与经验沉淀。一旦将人排除在工作流之外，人的经验、智慧与灵感也就被排除在产物之外。Coactive的判断：下一代Agent的关键，不是把人移出工作流，而是让人的经验、判断和创造力持续进入工作流，并让成熟、可验证、可授权的任务片段由Agent可靠承接。Coactive的核心命题正在从“能否完成任务”转向“能否在开放世界中持续、可信、可控地与人协作”。（数据来源：《Coactive Agent技术白皮书》华为云AI创新LAB）。核心模式解析——三大机制破解Agent落地难题。机制一：双态协同（Interactive × Proactive）破解协作断裂与行动断裂。Interactive模式：面向任务现场的实时协作机制。Agent通过多模态环境感知、共享任务状态和低延迟反馈，持续接收用户表达、编辑、浏览、停顿、修正与授权等信号。它适用于目标尚未完全明确、判断标准仍在形成、结果依赖经验、审美和创造力的任务。Proactive模式：受证据、授权和治理边界约束的主动执行机制。Agent基于已沉淀的流程、偏好、质量标准在限定范围内持续进行任务规划、工具调用、结果验证和异常恢复。它适用于可重复、可累积、判断标准相对稳定、风险可控的工作。毕业线：任务从Interactive状态迁移到Proactive状态的过程称为“毕业”。触发迁移所需达到的最低可信标准称为“毕业线”。毕业线通过任务、能力、责任三域成熟度判断能力片段是否具备可独立验证、可授权和可回退的承接条件。机制二：运行时记忆（Agent Memory Runtime）破解认知断裂。传统记忆系统本质上只是把历史记录打包存入Vector DB，只有等用户发问后才在后台检索。这种“被动检索”机制使Agent难以像真正的助理一样持续理解人类。Interactive Memory改变的是记忆进入协作的时机：在用户输入、编辑、说话、切换页面的过程中，记忆同步预取项目背景、历史决策、应用对象和权限规则。记忆成为“运行时能力”而非“事后检索”。核心原则：“原文为终审，索引为派生结构”。原始材料是事实锚点，派生结构（摘要、标签、向量、图谱）只作为索引和加速层，不能替代原文本身。机制三：元进化（AgentReflex）破解成长断裂。当前Agent系统仍停留在单次任务模式：任务结束后只留下结果文件、聊天记录或工具日志，却难以把目标澄清、上下文选择、工具路径、质量判断、用户偏好和失败教训转化为下一次可继承的能力。AgentReflex七步闭环：Observe（观测）→Evaluate（评估）→Diagnose（诊断）→Mutate（变异）→Select（选择）→Preserve（沉淀）→Reuse（复用）。把运行过程转化为学习过程，把失败反馈转化为选择压力，把有效修复转化为进化资产，把局部经验转化为组织能力。（数据来源：《Coactive Agent技术白皮书》华为云AI创新LAB）。服务商生态的“断层”与机会——从企业级Agent视角。断层一：有“毕业线”机制 vs 无“毕业线”机制的Agent。当前大多数Agent系统采用“全自动或全手动”的二元模式，缺少渐进式自动化的能力。有毕业线的Agent可以基于证据逐步释放主动等级（静默准备→草稿执行→确认后执行→条件自主），无毕业线的Agent要么等待指令要么盲目执行。断层二：有运行时记忆 vs 无运行时记忆的Agent。当前多数Agent的记忆是“事后检索”——用户说完→查询→拼接→生成。有运行时记忆的Agent能在用户表达过程中同步理解，首token延迟和协作流畅度有本质差异。断层三：有元进化能力 vs 无元进化能力的Agent。无元进化能力的Agent每次任务从零开始，成功经验无法复用，失败教训无法沉淀。有元进化能力的Agent能持续从真实协作中学习，Agent的能力随使用而成长，而非随使用而退化。断层四：从“墙”到“场”的安全范式差异。传统Agent安全以“墙”为隐喻——筑起权限边界的高墙，拦截越界行为。Coactive将安全从“墙”迁移到“场”——安全内生于人与Agent共处的任务环境中，越自主越约束。这一范式差异决定了Agent能否在企业级场景中可信落地。（数据来源：《Coactive Agent技术白皮书》华为云AI创新LAB）。标杆案例深度解析。案例一：品牌内容发布——Interactive如何进入人的操作流。场景：运营人员处理二十条待发布笔记，需要判断标题语气、图片水印、违禁词和封面选择。Coactive方案：Agent进入发布现场（表格、剪贴板、图片文件夹、发布页面、平台规则），在用户复制、粘贴、拖图、停顿、采纳、拒绝的过程中持续理解上下文。第一篇完成后，用户授权“剩余按这个风格处理”，Agent将稳定片段迁入Proactive。价值：传统工具在框外、事后返工；Coactive在现场、事中拦截。第一篇中的每一个判断（删掉过度营销词、拒绝合规但不自然的封面）都成为后续批量发布可继承的经验。案例二：财务月报编制——可信承接的审计链。场景：财务专员处理12个部门sheet的月度经营数据工作簿，涉及ERP收入表、费用系统报销明细、预算系统年度目标。Coactive方案：首个sheet处理路径稳定后，任务经过可信承接条件（数据版本对得上、公式范围经过确认、口径有出处、责任人明确）才进入Proactive。发现ERP差异时，Agent停下并唤醒财务人员，提示差异金额、来源和影响范围。价值：每一次后台执行都有证据、责任和回退路径。Excel完成后的Word公告、PPT图表、邮件草稿都保留来源指针和生成时间，未解释的风险不进入下游材料。案例三：RFP写作——Interactive Memory在落笔时介入。场景：售前团队响应大型客户RFP，客户要求五个工作日提交完整方案。Coactive方案：用户写下“预计两周完成私有化部署”时，Agent立即事中校验：过去三个同类项目平均交付5-7周，交付负责人明确标记“不得承诺两周上线”。Agent建议改写为“完成环境评估后给出详细排期”。价值：承诺还没进入定稿，组织记忆已经回到判断现场。普通检索像查档案，Interactive Memory更像一名熟悉组织历史的协作者，在关键句形成前给出证据和边界。案例四：方案共创与能力沉淀——从讨论到可用能力的完整闭环。场景：技术顾问与医院客户讨论全流程3D导航需求，客户列出6个导航节点，并在讨论中追加约束。Coactive方案：Agent从组织记忆召回上一轮方案上下文，实时将口头需求整理为结构化卡片，委托后台并行推进平面图建模、路径规划、UI设计。客户中途追加“多个付费机按候诊人数动态推荐”时，Agent更新后台任务，保留已完成部分。方案完成后，产物作为应用能力包激活，生成二维码，客户当场扫码可用。价值：从需求提出到应用可用，发生在同一次会议中。传统流程需要数周开发周期；Coactive让讨论中的共识进入后续可用的应用能力。（数据来源：《Coactive Agent技术白皮书》华为云AI创新LAB）。行动指南——如何把握Coactive Agent技术变革。核心框架。Coactive Agent判断 = 双态协同（Interactive/Proactive）× 运行时记忆（Memory Runtime）× 元进化（AgentReflex）× 内生安全（五大支柱）。分步跟踪建议。第一步：评估当前Agent系统的协作能力（现状诊断）。 Agent是否只能通过聊天框交互（现场断裂）？ 交互是否是Turn-Based轮次式（协作断裂）？ 主动执行是否有授权边界和可接管机制（行动断裂）？ 记忆是否只在用户发问后才检索（认知断裂）？ 经验是否能从一次协作沉淀为可复用能力（成长断裂）？第二步：引入双态协同机制（架构升级）。 是否具备Interactive实时共处能力？ 是否具备Proactive主动执行能力？ 是否具备“毕业线”双向迁移机制？第三步：构建运行时记忆系统（认知升级）。 记忆是否在用户输入过程中同步工作？ 原文是否作为事实锚点，派生结构只作为索引？ 记忆是否支持来源追溯、权限边界和版本管理？第四步：建立元进化闭环（能力成长）。 是否具备Observe→Evaluate→Diagnose→Mutate→Select→Preserve→Reuse闭环？ 进化资产是否可沉淀为Gene/Capsule跨任务复用？ 进化机制本身是否可观测、可评估、可改造？关键观察指标。| 维度 | 关注指标 | Coactive状态 |||||| 协作模式 | Interactive/Proactive切换 | 双态协同，毕业线管理 || 记忆时机 | 记忆进入协作的时机 | 输入过程中同步预取 || 能力成长 | 进化闭环 | 七步闭环持续优化 || 安全保障 | 安全范式 | 从“墙”到“场”的内生安全 |避坑指南。避坑一：不要将Coactive简单理解为“更好的聊天AI”。Coactive的核心是环境感知让Agent进入真实现场、Interactive让人的经验持续进入工作流、Proactive让成熟任务可靠承接——这是系统架构的根本重构，而非UI层的改进。避坑二：不要忽视“毕业线”的治理价值。没有毕业线的Agent要么全自动（风险高），要么全手动（效率低）。毕业线通过证据驱动的渐进式迁移，解决了“自动化程度”与“可控性”之间的核心矛盾。避坑三：不要低估运行时记忆的工程难度。Interactive Memory需要在输入过程中同步预取、编译和组织记忆，涉及KV Cache复用、后台任务调度和可打断控制，技术复杂度显著高于RAG。避坑四：不要将元进化等同于“自动调参”。AgentReflex的核心是让进化机制本身可观测、可评估、可改造——系统不仅驱动Agent变好，还持续改进“如何驱动Agent变好”。这是从“持续改进”到“元进化”的关键跃迁。避坑五：不要忽视安全范式的迁移。传统“墙”式安全在Coactive场景中失效——Agent在持续变化的任务环境中运行，安全必须内生于共处的地基。五大安全支柱（共处可信、记忆主权、行为可控、进化护栏、推理安全）需要与系统架构同步设计。（数据来源：《Coactive Agent技术白皮书》华为云AI创新LAB）。延伸阅读。以上为报告核心趋势分析，如需获取完整报告详细数据及全部图表，请访问下载页下载完整PDF报告。FAQ。Q1：Coactive Agent与当前主流的Agent框架有何不同？A：当前主流Agent框架（如LangChain）侧重于Loop Engineering——让Agent在循环中持续执行任务。Coactive的核心是“更好地与人共处”——Interactive让人的经验持续进入工作流，Proactive在授权边界内承接成熟任务，通过毕业线管理双向迁移。Coactive不是“更自动”，而是“更协作”。Q2：“毕业线”在实际系统中如何运作？A：毕业线通过任务、能力、责任三域成熟度判断。任务成熟度关注目标和成功标准是否稳定；能力成熟度关注执行路径是否可重复和可恢复；责任成熟度关注权限、影响和回滚链是否明确。三域均达标的能力片段才能从Interactive进入Proactive。进入后仍保留协作唤醒机制——目标漂移、证据不足、风险升高时回到Interactive。Q3：Interactive Memory与RAG有何本质区别？A：RAG是“事后检索”——用户提交完整指令后查询知识。Interactive Memory让记忆成为“运行时能力”——在用户表达、编辑、说话过程中同步预取项目背景、历史决策、应用对象和权限规则。关键区别在于时机：RAG在回答前工作，Interactive Memory在输入过程中同步工作。Q4：元进化闭环如何避免“越改越差”？A：AgentReflex通过评估、灰度、回滚和谱系管理控制进化风险。每个候选变异都需要经过EvalRunner对比评估，通过离线Benchmark和线上灰度验证后才会被选择。通过验证的变异沉淀为Reflex Gene或Reflex Capsule，并记录触发条件、适用环境、验证结果和风险边界。效果不佳时可快速回滚。Q5：Coactive Agent在企业级场景中的价值是什么？A：三大价值——①提升规模化运行的稳定性（持续观测、动态评估、受控改造）；②提升能力成长的可治理性（所有进化动作有证据、有灰度、有回滚）；③提升组织经验的复用效率（Gene/Capsule跨任务、跨团队、跨Agent复用）。数据来源说明。本报告数据来源于华为云AI创新LAB《Coactive Agent技术白皮书》（版本V1.0，2026年7月），引用Gartner、麦肯锡、NVIDIA、OpenAI、Thinking Machines Lab、NIST等机构研究成果。