主动 Agent 不需要每次都叫醒 LLM——一个小图模型就够了，快 83 倍

> 来源：Do Proactive Agents Really Need an LLM to Decide When to Wake and What to Anchor?，https://arxiv.org/abs/2605.30152

---

一、引子：你的 AI 助手每小时被叫醒 3600 次，其中 3599 次都是"没事"

想象一个主动 Agent：它监控你的一举一动——打开文件、切换窗口、收到邮件、修改日历——然后决定要不要主动帮你做点什么。

现在的做法是：每一个事件都喂给 LLM，让它判断"这事值不值得我出手"。

听起来合理，但细想一下：

你打开了一个 PDF。系统把这个事件转成文字："用户打开了文件 quarterly_report.pdf"，然后发给 GPT-4："这个事件需要我主动行动吗？"GPT-4 想了想："不需要。"——花了 200 毫秒，消耗了几百个 token。

你关掉了浏览器标签。系统又转成文字，又发给 GPT-4，又得到"不需要"。

一天下来，99% 的判断都是"不需要"。但你为这 99% 的"不需要"付了 99% 的算力账单。

这篇论文问了一个反直觉的问题：判断"要不要出手"这件事，真的需要 LLM 吗？

---

二、核心洞察：用户活动天然就是图，不是文本

论文的关键观察：

用户活动不是文本，是结构化的事件流。

每个事件都是一个四元组：（actor, verb, object, timestamp）。比如：

• （张三, 打开, quarterly_report.pdf, 14:32:01）
• （张三, 关闭, Chrome Tab 7, 14:32:15）
• （李四, 发送, 邮件"Q3 预算", 14:33:00）

操作系统本来就维护着这些结构化数据——谁对什么做了什么，什么时候做的。这些事件之间天然形成一张时序图：实体是节点，事件是边，时间戳是边的属性。

现在的做法是：把这张图"压扁"成文字，喂给 LLM，让 LLM 在脑子里把图"重建"回来，然后做判断。

这就像：你手里已经有一张地图了，但你非要把它口述给一个盲人，让他根据你的描述在脑子里画地图，再根据脑子里的地图指路。

一个不必要的往返。

---

三、方案：用小图模型替代 LLM 做触发判断

论文提出的方案极其简洁：

1. 时序图学习（TGL）模型做编码器：一个很小的图神经网络，一次前向传播就能输出两个东西：

• 触发概率：这个事件值不值得叫醒 Agent？
• 路由分数：如果值得，应该关注哪个实体？

2. LLM 只在触发时才调用：TGL 说"这个事件值得关注"，才把相关信息打包成一个小结构化 handoff，发给 LLM 生成用户可见的回复。

3. TGL 模型极小：220 MiB（BF16 精度），可以部署在设备端，和隐私敏感的活动数据放在一起。

打个比方：TGL 是门口的保安，LLM 是里面的专家。保安先看一眼来访者的证件，99% 的情况直接说"不需要进"，只有那 1% 真正重要的才放行进去见专家。

---

四、实验结果：小模型完胜

准确率：F1 平均提升 16.7，最高提升 46.0

在 14 个 LLM backbone 上，TGL 的触发判断 F1 全部优于 LLM-as-trigger 方案。不是"差不多好"，是全面碾压。

为什么？因为 LLM 被迫把结构化数据转成文本再理解，这个转换过程丢失了信息。TGL 直接在图上操作，天然保留了结构。

速度：快 4-83 倍

• GPU 服务器上：11.13 ms/event，比最快的 LLM-as-trigger 配置快 4-7 倍
• 消费级笔记本上：13.99 ms/event，比 LLM-as-trigger 快 12-83 倍

83 倍是什么概念？LLM 判断一个事件要 1 秒，TGL 只要 12 毫秒。

稳定性：阈值更稳健

TGL 的一个 checkpoint 在不同部署环境下都能给出稳定的触发阈值。LLM-as-trigger 的阈值随环境波动大，调参困难。

隐私：220 MiB 可端侧部署

TGL 模型只有 220 MiB，可以和用户活动数据一起留在设备端。不需要把每一条活动日志都发到云端让 LLM 看。

---

五、更深的启示：不是所有"智能"都需要"大模型"

这篇论文的启示远超 Agent 触发这个具体问题：

在 AI 系统设计中，"用 LLM 做一切"是一种懒惰的架构。

LLM 擅长什么？理解自然语言、生成流畅文本、做复杂推理。但"判断一个结构化事件是否值得关注"——这不需要理解语言，不需要生成文本，不需要复杂推理。它需要的是模式匹配和时序推理——恰好是图神经网络擅长的事。

用 LLM 做触发判断，就像用跑车送快递——能送到，但浪费了跑车的速度，还费油。用自行车就够了。

未来的 AI 系统可能不是"一个 LLM 打天下"，而是多个小模型各司其职，LLM 只在最需要的地方出场。TGL 做门卫，检索模型做图书管理员，LLM 做顾问——各尽其才。

---

六、诚实评价

1. TGL 的训练数据从哪来？ 论文用 LLM 标注的数据训练 TGL。所以 TGL 本质上是 LLM 判断能力的蒸馏。如果 LLM 的判断有偏差，TGL 也会继承。 2. 只验证了触发判断：TGL 能不能做更复杂的决策（比如"应该采取什么行动"）？论文没涉及。 3. 图结构的依赖：TGL 需要操作系统提供结构化事件流。如果事件流不完整或格式不统一，效果会打折。 4. 泛化性：TGL 在特定领域的活动流上训练，换一个领域可能需要重新训练。

---

七、一句话总结

判断"要不要出手"不需要大模型——一个小图模型就够了，快 83 倍，准 16.7 个 F1 分，还能保护隐私。有时候，最聪明的架构决策不是"用更强的模型"，而是"用对的模型"。

---

论文链接：https://arxiv.org/abs/2605.30152