Lesson 04 — 打扰决策：值得说吗、现在说吗

本课目标：给 Agent 装「开口的判断力」——每班的产出先判级（major/minor/none，LLM judge + 宁攒勿丢降级），再按政策与每日配额决定 notify_now / add_to_digest / stay_silent。这是全课程的价值观核心：常驻 Agent 的难点不在定时跑，在何时开口。

学完你能回答面试官那句：「主动式 Agent 怎么避免变成骚扰机器人？」

0. 起点：L00 基线的第④环

基线 5 天推送 5 次全量报告，包括毫无新意的 Day2——打扰列全是「是」，没有「不说话」的选项。通知疲劳的终局是用户把通知关掉，系统白跑：一个不被信任的通知渠道，价值为零。

业界共识也在这里：OpenAI 的 scheduled tasks / Pulse、LangChain 的 ambient agents、Claude Code 的后台任务，产品分岔各不相同，但都把资源砸在同一个问题上——推送策略。LangChain 把 ambient agent 的人机交互总结为 notify / question / review 三姿势，本课实现的是第一姿势的决策层（question/review 在 L05 的收件箱与审批里）。

L03 增量简报
     │
classify_change(brief, llm)      ← 第①层：判级（内容理解，LLM 的活）
     │  major / minor / none（+degraded 标志）
     ▼
decide(judgement, policy, quota) ← 第②层：决策（确定性纪律，代码的活）
     │
  ┌──┴──────────────┬────────────────┐
  ▼                 ▼                ▼
notify_now      add_to_digest    stay_silent
（立即打扰，      （攒进每日摘要，   （什么都不发生——
 消耗当日配额）     L05 收件箱）      这是最常见的正确结局）

🎯 核心认知：判断交给模型，纪律交给代码。「这条变化重不重要」是内容理解问题，规则只能兜底、LLM 才有判断力；「今天还剩几次打扰」是确定性记账问题，LLM 不该碰。两层各用各的工具——这个分工模式（LLM 判断 + 代码执法）会在你所有的 Agent 治理设计里反复出现。

1. 判级：major / minor / none

「通知管家」prompt 让 LLM 站在用户注意力的立场上判级：

major：重大进展 / 结论反转 / 直接影响决策 → 值得立即打扰（Day4 的 AGUI 撤回）
minor：有信息量但不紧急 → 攒进摘要（Day3 的补丁版本）
none：无实质内容 → 不占注意力（Day2 的「确认无变化」；以及 L02 哈希法漏给语义层的「措辞改写」在这里被过滤）

宁攒勿丢（判级的故障纪律）

LLM 输出解析不出级别 → 降级 minor 进摘要，绝不 stay_silent；LLM 调用失败 → 退回关键词规则（更正/撤回/反转→major）。两条路径都带 degraded=True 诚实标注。

💡 为什么降级是 minor 不是 major？错误方向的代价不对称：误打扰一次消耗的是信任（配额也被白吃），漏进摘要的代价只是晚几个小时被看到（摘要每天必达）。所以判不准时宁可攒着——除非你的场景里「晚知道」代价极高（安全告警类），那时降级方向该反过来（练习 3）。

2. 决策：政策 × 配额

2.1 三种政策（`proactivity_policy`）

政策	行为	适用
`all`	非 none 全部立即通知（不查配额）	基线对照 / 极少数「每条都要」的盯法
`threshold`（默认）	major→立即（配额内）；minor→摘要；none→沉默	绝大多数盯梢场景
`digest_only`	非 none 全部进摘要，绝不打扰	「只想看日报」的用户

code.py Part 3 用 5 日时间线量化三者（mock judge）：

政策            立即打扰   进摘要   沉默   打扰精确率
all                 3        0      1        33%
threshold           1        2      1       100%
digest_only         0        3      1     —（零打扰）

threshold 的 1 次打扰正中 Day4 重大反转——打扰精确率（值得的打扰/总打扰）从 33% 到 100%。它与增量召回率（该说的说了没）构成打扰决策的查准/查全，都是 L08 收益矩阵的核心指标。

2.2 每日打扰配额（`daily_interrupt_quota`，默认 2）

即使判级全对，一天 8 个 major 也等于骚扰。配额是「自主-控制」主线在本课的闸门：

notify_now 消耗当日配额（sqlite 持久——daemon 重启不清零，不然崩一次就白嫖配额）；
配额尽了 major 也降 digest，带 quota_exhausted=True 记档——「今天有 2 条 major 没能立即通知你」本身是重要信息，进 L07 日报可审计；
次日自动恢复（按本地日期 day_key）。

💡 紧还是松？ 配额=0 等于 digest_only（失去紧急性）；配额=∞ 等于没有闸（回到疲劳）。判断依据是用户的中断承受力：知识工作者一天被打断 2 次是「有价值的提醒」，8 次是「这个东西烦死了」。配额也保护判级器的失误——judge 发疯连判 major 时，用户最多被扰 N 次。

3. 流派对比：何时开口，有几种做法？

流派	做法	取舍
① 全推（现状/all）	有产出就通知	✅ 零漏报；🚫 精确率 33%，信任耗尽后等效于零通知
② 阈值判级 + 配额（本课）	LLM 判级，major 才打扰，配额兜底	✅ 精确率高、可审计、参数可调；🚫 判级会错（宁攒勿丢兜方向）、LLM 判级每班多一次小成本
③ 固定摘要时间（digest_only）	每天固定时刻一封摘要	✅ 零打扰、习惯友好（像晨报）；🚫 紧急性没了——重大反转也要等到明早
④ 学习用户反馈（讲概念不实现）	用户对每条通知点「有用/没用」，在线调阈值/配额（bandit 或微调 judge）	✅ 个性化天花板最高；🚫 要反馈回路+数据量，冷启动仍需 ②③ 打底
⑤ 规则关键词	命中「撤回/重磅」才推	✅ 零 LLM 成本、确定；🚫 没有内容理解（换个措辞就漏）——本课把它降级为兜底而非主路线

选 ② 的理由：③ 是 ② 的子集（digest_only 政策一行配置就是它）；⑤ 是 ② 的降级路径；④ 是 ② 的进化方向（先有判级产生的决策日志，才有反馈可学）。② 是那个「其他流派都能从它出发」的位置。

4. 跑起来

cd ambient-agent-lessons/04_proactivity
python code.py        # 零 API、零联网、零等待

5. 落地清单

文件	改动	如何验证
`src/research_assistant/proactivity.py`	新增：`classify_change`（LLM judge + 宁攒勿丢降级）/ `decide`（政策+配额）/ 配额 sqlite 记账	见下
`src/research_assistant/config.py`	新增：`enable_proactivity` / `proactivity_policy` / `daily_interrupt_quota`（默认关）	`.env` 设 `ENABLE_PROACTIVITY=true`
`tests/test_proactivity.py`	新增：15 个测试（判级三级/解析失败降级/LLM 崩溃退规则/配额消耗与耗尽/次日恢复/持久化/三政策）	`pytest tests/test_proactivity.py -q`

研究图 / service 零改动——判级消费的是 L03 简报文本，daemon（L06）负责把 decide 的结果投递到收件箱（L05）。

验收

cd portfolio-projects/research-assistant
python -m pytest -q          # 259 + 15 = 274 passed
python -m pytest tests/test_proactivity.py -q   # 15 passed

6. 本课在两条主线上的位置

倒置主线：第④环——「有产出就推」倒置为「Agent 自己判断值不值得说」。人从通知的清洗工变成只看被筛过的信号。
注意力经济主线：本课就是这条主线的主场——打扰精确率是注意力的 ROI 度量，配额是注意力的预算硬顶。L00 量化了「不管理注意力」的代价（5 推 1 值），本课把它管起来（1 推 1 值 + 摘要兜底）。

🎯 面试话术

「主动式 Agent 防骚扰我做两层：判断交给模型，纪律交给代码。判级层用 LLM 站在用户注意力立场打 major/minor/none——重大反转才值得立即打扰，例行更新攒进每日摘要，无实质内容保持沉默；解析失败降级 minor 宁攒勿丢，因为误打扰烧的是信任、晚看到只是延迟，代价不对称。

决策层是确定性的：每日打扰配额 sqlite 记账，配额尽了 major 也降摘要并记 quota_exhausted 供日报审计——这同时兜住判级器发疯的情况，judge 连判 8 个 major 用户也最多被扰 2 次。我用 5 日模拟时间线量化过：全推政策打扰精确率 33%，阈值+配额做到 100%，代价只是 minor 晚几小时进摘要。」