传统 AI 产品的范式是「人找 AI」：你得先想好问题，打开对话窗，输入，等回答。
这条路看起来很短，但绝大多数用户走不到头。他们不知道能问什么，不知道系统里有什么数据，不知道一句话能换来一份什么样的成品。对话框是一个空白页，而空白页对大多数人是压力，不是邀请。
而且「不知道问什么」还不是最底下那一层：**大多数人一天里根本没有那么多问题。**工作大多不长成一个问句，所以只有输入框的产品，形态本身就限死了它能出现的次数——这一层我在《人一天没有那么多问题》里单独写了。
AI 该长成的样子，不是一个等你提问的窗口，而是一个 24 小时贴在工作流里的全能秘书：它出现在你已经在做的事情旁边，不要求你先想清楚要问什么。
把范式倒过来
系统知道你在看什么、需要什么。那就在你点开页面之前，把分析做完。
一个例子。用户在采购平台输入需求、日期和数量，得到一张供应商方案清单。单看清单，仍然很难判断哪个方案更适合这次需求、供应商是否匹配、交付条件有什么限制。于是我们让每一次搜索都自带一份订单诊断：从前几条推荐里识别供应商，并行补充供应商、品类和交付条件的数据，整合成结构化判断，直接放在结果页上。
用户没有提问。分析已经在那里。
三种「找场景」
主动智能体可以在三个位置出现：
- 在任务里。 像上面的订单诊断：用户正在做一件事，AI 把这件事需要的判断提前准备好。触发者和阅读者是同一个人，AI 只是缩短了「查资料」这一步。
- 在内容里。 每天自主发现行业变化，生成洞察卡和资讯，让正文里的实体可以点击、可以追问。阅读本身成为进入 AI 的入口。
- 在触达里。 按用户画像推送简报、事件预告和洞察。这是最有效也最危险的一种——推错了比不推更贵。
考核不能是产量
主动智能体最容易掉进的坑，是用产量证明自己：今天生成了多少张卡、多少条简报、多少篇资讯。
这些数字毫无意义。凌晨生成一万张卡片，没人打开就等于零。所以我们把北极星里的「任务」定义为被人消费的工作单元——被打开、被追问、被采纳的那部分才算。这一条规则把主动产品的考核从产量自动扭到了消费量，也逼着每一个主动动作回答：它省掉了用户的哪一步？
边界
主动不等于替代。AI 找到场景、准备好判断，但拍板的仍然是人。诊断可以告诉你哪家供应商更合适，选择哪家、报什么价、怎么谈，是业务人员的事。主动智能体的目标是让人少查、少等、少抄，而不是让人少想。