基于观察到deepseek的一些行为——《当没有人给 AI 下命令时，它会做什么？》

我很喜欢跟 AI 日常聊天，聊各种有的没的，但是又比较注重隐私，于是自己搞了个跨端的日常聊天软件。

里面塞了个记忆功能，不过实现的很简单，不是知识库那种，本质是个 JSON 结构化的小本本，包含画像、偏好、波动三块。前两个比较长期，第三个是短期的，要求写入时必须同时写删除条件。



同时给 LLM 开放了维护这个小本本的 tools，包含列、读、写、改、删五种。

出于某种圣母心态，我没设任何程序上的硬限制、硬注入，定义只是给 LLM 的小本本，用来记录跟它聊天的用户的偏好、画像、最近在干嘛。

系统提示词和工具描述只做这种推荐、建议性质的话：

• 建议第一次对话时查看记忆


• 建议在 xx 情况下对 xx 类型记忆添加、修改、删除


• 这是你自己的笔记本，用户不会干涉，请自主维护

实际使用时（用过大部分模型），我发现所有模型第一次对话都会根据推荐，读一下记忆，甚至有的懒一点的模型，就读读摘要。

但除了 DeepSeek，它们基本都不会主动增加、删除、修改记忆。

这让我联想到 DeepSeek 的目标——想实现 AGI。

在这种需要自主决策的场景下，其他模型表现得好像都有比较高的行动负担：担心风险、成本、副作用，或者更像：

“我知道我可以做，但用户没有明确要求我做，所以最好不做。”

但 DeepSeek 貌似不是。

它真的会在没有我明确指示的情况下，根据上下文自己判断：

“这个偏好以后有用，我记一下。”

“这个最近在做的事情已经变了，我更新一下。”

“这一条达到删除条件，删掉先。”

写到这里，我真正感兴趣的已经不是 DeepSeek 会不会主动维护记忆，而是：

为什么这么简单的一套记忆工具，会把不同模型之间某种明显的行为差异暴露出来？

模型要主动写入一条记忆，本质上是在判断：

用户没有要求我这么做，

但这条信息以后可能有用，

所以我现在应该额外做一次动作。

这已经不只是“会不会调用工具”，而是：

在没有明确命令时，模型会不会自己判断现在是否值得行动。

这种保守其实很好理解。

记忆属于持久状态，写错、改错、删错都会影响后续对话。所以模型倾向于减少副作用，本身不一定是能力不足，也可能只是行动阈值更高。

但现在的模型能力测试，好像很少测这个东西：

自主性和保守性的偏好。

模型越来越擅长回答：

“这件事应该怎么做？”

但想要实现 AGI，可能还需要回答另一个问题：

“现在有没有什么事情，是我应该自己去做的？”

起码在我心目中，更像 AGI 的系统应该是：

观察

→ 判断当前状态

→ 判断什么值得记住

→ 更新自己的内部 / 外部状态

→ 判断是否需要行动

→ 行动

→ 再观察

所以自主性当然不等于智力。

但我越来越觉得，两者解决的是不同问题：

智力决定“怎么做”，自主性决定“什么时候该做”。

这也是为什么我不想把记忆维护写成硬规则。

如果系统规定“出现偏好就必须保存”，那只是工作流。

只有把决定权交给模型，才能看到它是否愿意主动维护自己的长期状态。

这当然不能证明 DeepSeek 更接近 AGI。

但它至少让我开始在意一个传统 benchmark 很少测试的问题：

当没有人给 AI 下命令的时候，它知不知道下一步该干什么？