当AI走出屏幕：Looki PIE如何让主动智能在现实世界“替你留心”

一、当AI的进化止于屏幕

OpenClaw的流行，不仅在于它能替代用户执行任务。

如果仅是实现自动化，现有的RPA工具早已能够胜任。OpenClaw真正引发关注的，是其展现出的主动性：基于对邮件、日程和聊天记录的持续理解，它能主动处理事务、推送潜在需要的信息。这种从“响应式”到“主动式”的跨越，让行业首次意识到：AI智能体不仅能“被驱使”，更能“替你思考”。

然而，这种主动性存在一个明确的边界——它被限制在屏幕之内。

OpenClaw的感知源于截屏和文件系统，记忆则来自聊天记录和邮件归档。一旦合上电脑步入现实生活，其上下文链路便告中断。会议室里长达一小时的讨论、通勤路上偶然瞥见的书籍、午餐时的随意交谈，对所有数字智能体而言都是感知的盲区。

这并非OpenClaw独有的缺陷，而是所有数字智能体共同面临的结构性边界。当视线从屏幕转向现实，上下文的载体便从文本流转变为视听流，这不仅是数据量的增加，更是信息维度的跨越。

只有当现实世界本身成为AI的上下文，智能体才有机会从数字世界的“主动帮你干活”，进化为现实生活中的“主动替你留心”。这正是主动式智能从线上走向线下的起点。

瞄准这一命题，Looki推出了其最新的主动智能引擎——Proactive Intelligence Engine。

这家由卡内基梅隆大学校友创立的硬件初创公司，正将自动驾驶领域“从感知到决策”的工程范式，迁移至一款仅重30克的可穿戴设备上，试图在现实世界中构建真正的主动智能。

二、从“被动记录”到“主动判断”

判断一个智能体是否真正理解你的生活，最直接的方式是看它是否敢于主动发起交互。

Looki L1自去年8月在海外发售以来便引起了广泛关注，并于12月推出国内版本。在用户社区中，它被称为“人生回看器”，通过全天候的视听记录，为用户梳理生活碎片、提供回溯与洞察。

但其早期的交互模式仍是响应式的：用户询问“今天吃了什么”，它从视听数据中提取答案；用户要求整理会议内容，它忠实执行。交互的触发权始终掌握在用户手中。

而近期向国内用户正式上线的最新版本，标志着这款产品实现了一次关键跨越。

Looki从固定间隔采集数据，升级为AI自主判断“此刻是否需要记录、是否需要给出反馈”的动态决策模式。团队将其定义为“场景自适应式智能”。

这种“主动”在实际体验中感受如何？以下是一次真实的出差经历。

佩戴Looki前往机场。通过安检后，第一条推送抵达。它并非航班提醒，而是在识别到我进入候机区后主动提示：“你曾答应给家里的孩子们带礼物，可以在机场挑选航天模型或熊猫周边。”它所记住的并非日程条目，而是几天前某次对话中我随口提及的一句话。

走进餐厅尚未落座，第二条推送到来：“这‘返京第一餐’选得很有老北京特色！建议搭配一碗小米粥或炒肝，记得去调料区取些醋和油辣椒，这样更地道。”

它识别出了餐厅场景，并基于我的饮食偏好给出了搭配建议。这条推送的信息密度与个性化程度，超出了我对一款可穿戴设备的常规预期。

回到候机区，第三波推送抵达：一份基于我预设的“AI行业动态”偏好生成的当日新闻摘要，内容涉及算力价格波动、新融资事件等，每条都附有与我关注领域的关联分析；紧随其后的是三条关于航站楼的趣味知识，最后一条竟涉及天窗采光设计——因为它记得我偏好“明亮的办公环境”。

一小时，三个场景节点，四次主动判断。每一次都融合了即时感知与历史记忆，无需我主动发起。坦率地说，其中几条推送的时机之精准令人意外：它确实在学习“何时该开口”。

这条体验链背后的技术路径，与OpenClaw截然不同。OpenClaw从文本指令出发，经工具调用至结果反馈，在数字世界形成闭环。

而Looki PIE的起点是未经剪辑的现实视听片段。系统首先“看懂”场景，再从全天行为时序中检索相关记忆，判断“此刻是否值得介入”，最终生成一条融合即时感知与历史上下文的推送。

从响应式到主动式，关键不在于模型更大，而在于让现实世界成为持续供给的个人化上下文。

三、主动判断的两个技术维度

在出差场景的“即时提醒”之外，应用内的另一个功能页面“探索”，提供了一个更具想象力的入口：用户可以用自然语言，自行定义智能体在何种条件下应执行何种操作。

这本质上是在为现实世界编写“如果……那么……”的触发规则。

例如，可以设定：“每天一杯咖啡，多了提醒我克制”、“到了餐厅帮我推荐菜品”、“开会时有任何洞察及时告诉我”、“每天早上到公司，把我关心的信息发给我”。设定过程极为简洁，只需输入自然语言即可。

这些规则的触发逻辑与手机定时提醒完全不同。手机闹钟只能依据时间或地理位置触发，而Looki的触发条件则是场景语义：仅在摄像头捕捉到你面前出现第二杯咖啡时，才触发健康提醒；识别出你走进餐厅并正在浏览菜单时，才推送菜品推荐。

其背后是一套完整的处理管线：从自然语言的意图解析、视觉特征提取，到实时场景匹配与多维上下文验证。这套具身智能流水线通常存在于机器人实验室，如今被集成进仅重30克的日常设备中。

然而，比“看懂场景”更具挑战的是“决定何时开口”。

回顾出差时的四次推送：安检后提醒购买礼物——“进入商业区”、“有空闲时间”、“记忆中有承诺”，三个条件需同时满足；进入餐厅后推荐菜品——“正在做就餐决策”、“了解用户口味”；候机时推送新闻——“有碎片时间”、“内容与偏好匹配”。每一次都是多因子的时机决策，而非简单的规则匹配。

实际体验中最深的感受是：主动式AI的核心难度，不在于推送内容的质量，而在于时机的精准度。

同一条信息，在忙碌时弹出是干扰，在闲暇时送达则是贴心。相比之下，OpenClaw的场景相对单纯：它仅在用户发出明确指令时行动，无需在物理环境中判断介入时机。而Looki PIE的挑战，则更多体现在纷繁复杂的物理世界中，判断和选择时机比在信息世界中更为困难。

这种分寸的把握，正是主动式AI最核心的技术挑战。

四、为现实世界构建一套全新的智能体框架

Looki PIE是一个产品概念，落实到工程层面则是一个系统性问题。

OpenClaw的框架为数字世界设计：所有输入均为文本形态，所有操作均在数字环境中执行。当智能体走出屏幕，面对混沌的视听流和不确定的现实场景时，其框架的每一层都需要重建。

在Looki的两位创始人看来，自动驾驶本质上就是在为现实世界搭建工程框架：从实时采集多模态数据、以极低延迟完成场景理解，到做出决策并承担后果。如今，他们将同一套工程范式从道路场景平移至日常生活。

首要解决的是“感知”问题。

在设备仅重30克、需保证12小时续航的条件下，感知模块不可能持续全功率运行。Looki PIE的突破在于，在设备端部署了轻量化的决策模型，能够根据环境光流和声音波形，实时判断“此刻是否值得激活”。通勤时低频运转，在会议或聚餐等场景则自动加密采集。它并非无差别地持续“注视”，而是学会了何时该“睁眼”。

“看到”之后，需要“记住”。

Looki需要处理一整天的视频流与音频流。一帧画面所消耗的计算资源，可能抵得上一封完整的邮件。将全部数据灌入大模型既不经济，也会放大产生幻觉的风险。据其首席技术官介绍，Looki在云端构建了多层级的上下文索引体系，能够根据语义需求，精准提取最相关的片段。出差场景中“你答应给孩子带礼物”那条推送，正是依靠这套索引，从数天前的一段对话中检索出一个承诺，并在“用户正在机场候机”的实时场景中将其激活。

最顶层的挑战，则是“决定是否开口”。

感知与记忆提供了基础，但 Looki PIE 能否真正成立，关键在于其决策层能否在无明确指令时，自主判断何时应该采取行动。数字环境中的智能体无需纠结于此——行动通常由用户的明确指令触发。而现实环境中的智能体则必须具备这层主动决策能力，且容错空间极小。

此外，一个无法回避的核心问题是隐私。

Looki 采用了端侧过滤与 App 手动上传相结合的双重控制机制，原始视听数据不会无差别上传至云端。其动态感知机制在架构层面实现了一个巧妙设计：设备并非持续录制，而是由 AI 实时判断“此刻是否需要激活”。同一套决策逻辑，同时服务于功能实现与隐私保护。

当感知范围扩展至整个生活现场时，隐私保障的质量直接决定了产品的生存边界。

五、从「个人上下文」到「数字直觉」

回顾开篇，OpenClaw 向行业展示了主动式 AI 在数字世界中的形态，但局限于屏幕内的智能体，终究只能覆盖生活的一半。

Looki PIE 试图覆盖另一半。它证明：现实世界的上下文——那些连续的视听流、散落的行为轨迹、非结构化的生活碎片——能够被工程化地采集、结构化地记忆、智能化地调用，并以此支撑智能体做出主动判断。

这条路依然漫长。执行力的边界、感知的精度、隐私的框架，都存在大量待解的课题。但方向已然清晰：当你的生活轨迹、所见所闻、与家人的对话都沉淀为专属的「个人上下文」时，AI 便不再需要你手动描述世界。它自己看见、记住并理解，然后在你需要的时候，先你一步行动。

当各路智能体仍在为数字世界的“信息断层”而焦头烂额时，窗外的现实世界，作为上下文的新疆域，才刚刚被纳入 AI 的视野。当智能体最终走出对话框，开始真正“看见”这片广袤的现实，我们与 AI 的关系，或许才迎来全新的开端。

关注“鲸栖”小程序，掌握最新AI资讯