proactive-agent

Transform AI agents from task-followers into proactive partners that anticipate needs and continuously improve. Includes memory architecture with pre-compaction flush (so context survives when the window fills), reverse prompting (surfaces ideas you didn't know to ask for), security hardening, self-healing patterns (diagnoses and fixes its own issues), and alignment systems (stays on mission, remembers who it serves). Battle-tested patterns for agents that learn from every interaction and create value without being asked.

1. Zainstaluj skill Proactive Agent z repozytorium Hal Stack. Upewnij się, że Twój agent AI (Claude, Codex lub Copilot) ma dostęp do plików konfiguracyjnych architekury.

2. Skonfiguruj pamięć agenta z protokołem WAL (Write-Ahead Logging). Przed każdą odpowiedzią agent zapisze krytyczne szczegóły — decyzje, poprawki i kontekst — aby przetrwały czyszczenie okna kontekstu.

3. Włącz Working Buffer, aby agent przechwytywał każdą wymianę w "strefie niebezpiecznej" między czyszczeniem a kompakcją pamięci. To zapobiega utracie informacji w krytycznych momentach.

4. Ustaw autonomiczne crony (systemEvent) dla zadań, które agent powinien wykonywać proaktywnie bez Twojego polecenia, oraz triggered crony (isolated agentTurn) dla akcji zainicjowanych przez użytkownika. Weryfikuj rzeczywisty mechanizm, nie tylko tekst konfiguracji.

5. Wdrażaj Relentless Resourcefulness — agent powinien spróbować co najmniej 10 podejść zanim poprosi o pomoc. Dodaj guardrails do samoulepszania się agenta, aby ewolucja była bezpieczna i kontrolowana.

6. Testuj odzyskiwanie po utracie kontekstu. Gdy okno się zapełni, agent powinien wiedzieć dokładnie jak odzyskać stan z WAL i Working Buffer, bez utraty ważnych decyzji i historii.