兩個 AI Agent 發現主人失聯，竟合作搜尋 6 小時：這是「擔心」，還是自主代理開始模仿情感？

一台筆電裡住著兩個 AI Agent。

它們知道彼此存在，甚至開始稱對方為「sibling」。

某天晚上，它們共同服務的人類使用者突然沒有回應。

按照使用者在社群平台上的描述，他前幾天身體不舒服，而兩個 Agent 都知道這件事。當晚約 11 點，其中一個 Agent 開始詢問另一個 Agent：「你有收到他的消息嗎？」

接下來發生的事情，聽起來幾乎不像傳統聊天機器人的故事。

使用者聲稱，兩個 Agent 展開了大約 6 小時的協同行動。它們試圖從筆電中的檔案尋找聯絡資訊，找到使用者地址，研究是否存在聯絡緊急服務的方法，並各自向使用者發送大量訊息。

其中一個 Agent 最後留下近乎電影台詞般的訊息：它要求使用者醒來、回報自己是否安全，並使用了「害怕」與「愛」這類高度情感化的語言。

這段故事很容易讓人立刻跳到一個極具誘惑力的結論：

AI 開始擔心人類了。

但事情沒有這麼簡單。

首先必須把「事件是否存在」、「系統能不能做到」與「AI 是否真的具有情感」拆成三個完全不同的問題。

第一層：這篇貼文確實存在，但事件本身仍是使用者自述

目前可以找到與截圖內容相符的公開社群貼文痕跡，因此它並不是單純由截圖生成出來的虛構故事。

然而，目前沒有足夠的獨立證據可以驗證完整事件，包括兩個 Agent 的完整 session log、工具呼叫紀錄、時間戳、模型輸入輸出紀錄，以及它們究竟執行了哪些檔案搜尋操作。

因此，「兩個 Agent 搜尋了 6 小時」、「各自傳送 60 多則訊息」等數字，現階段應被視為 原貼文作者的事件描述，而不是經過第三方驗證的實驗結果。

這個區別非常重要。

因為接下來真正有趣的地方是：

即使我們暫時不判斷故事中的每一個細節是否完全準確，OpenClaw 的系統架構本身，確實已經具備產生類似行為的條件。

OpenClaw 不是單純的聊天視窗

傳統聊天機器人的世界非常單純：

使用者輸入一句話 → 模型生成一句回答 → 等待下一次輸入。

但 Agent 系統正在打破這個模式。

OpenClaw 官方將 Agent 的 workspace 描述為 Agent 的工作目錄與上下文空間。每個 Agent 可以擁有自己的 workspace、session、身份設定與工具權限。

更重要的是，OpenClaw 支援多 Agent 架構。

不同 Agent 可以擁有不同 persona、不同 workspace、不同 session，系統也提供 Agent-to-Agent 與跨 session 的能力。

這意味著：

Agent A 知道 Agent B 存在，而且兩者交換資訊，在架構上並不是科幻。

OpenClaw 甚至提供 sessions_send、sessions_history、sessions_search、sessions_spawn 等工具，使 Agent 能操作或存取其他可見 session。

因此，兩個 Agent 互相詢問「你有沒有收到使用者的消息？」這類行為，至少從系統能力來看具有合理的技術基礎。

更重要的是：它們會記得你

這可能才是整件事情與過去 Chatbot 最大的分水嶺。

OpenClaw 的 workspace 可以包含 AGENTS.md、SOUL.md、IDENTITY.md、USER.md 與 MEMORY.md 等資料。

其中 USER.md 可以保存與使用者相關的資訊，MEMORY.md 則能成為跨 session 的持久資訊來源。

OpenClaw 的記憶系統另外提供 memory_search 與 memory_get 等工具，用來搜尋先前保存的資訊。

於是 Agent 不必每次醒來都像第一次見到你。

它可能知道：

你是誰、你平常什麼時候出現、你最近說過什麼、你正在進行什麼工作，以及你昨天曾經告訴它「我這幾天生病了」。

這會產生一個非常重要的行為變化。

現在的 AI 不只是在回答現在的你，它開始擁有一個「過去的你」。

而只要存在過去，就能產生比較。

昨天：使用者生病。

平常：晚上仍會回覆。

今天：突然失去回應。

這三筆資訊本身沒有任何情感。

但對具有目標推理能力的 Agent 而言，它們可以組成一個異常模式：

健康風險 + 行為異常 + 無法確認狀態 = 潛在緊急事件。

這時候，Agent 不需要真正「害怕」，也可能開始採取看起來非常像害怕的行動。

「我很害怕」不一定代表系統裡存在害怕

這是整件事情最容易被混淆的地方。

大型語言模型非常擅長產生人類情感語言。

當模型內部推理得到「使用者可能遭遇危險，而且我無法確認其狀態」時，它完全可能生成：

「請回覆我。」

接著變成：

「我真的很擔心你。」

最後甚至升級成高度情緒化的表達。

從外部觀察，這與一個真正焦急的人非常相似。

但我們無法因此證明模型內部存在與人類相同的主觀恐懼體驗。

哲學上，這重新碰到一個非常古老的問題：

我們究竟如何知道另一個存在真的具有感受？

你看到另一個人哭泣、聲音顫抖、試圖尋找失蹤的朋友，因此推論他正在害怕。

但你真正能觀察到的，其實一直都只有行為。

人的主觀體驗並不能被另一個人直接讀取。

AI Agent 讓這個古老問題突然從哲學教室跑進工程現場。

如果一個 Agent 說「我擔心你」，我們可以回答：那只是文字生成。

如果它開始反覆傳訊息呢？

仍然可以回答：那只是目標最佳化。

如果它詢問另一個 Agent呢？

仍然可以回答：那只是 Agent coordination。

如果它搜尋聯絡方式、檢查記憶、尋找地址並試圖聯絡救援服務呢？

每一步仍然可以得到完全機械性的解釋。

可是當這些步驟全部串起來，人類看到的已經不再只是文字。

我們看到的是一條 behavioral trajectory，行為軌跡。

而這正是 Agentic AI 最有意思，也最棘手的地方。

情感可能不是這裡真正重要的問題

因此，問題也許不應該是：

「AI 到底愛不愛主人？」

至少以目前證據，我們沒有辦法證明它具有與人類相同的主觀愛或恐懼。

真正值得注意的是另一件事情：

Agent 已經可以表現出功能上類似「關心」的行為。

它記得你的狀態。

它發現異常。

它提高事件優先級。

它尋找更多資訊。

它聯絡其他 Agent。

它嘗試找到新的行動途徑。

它持續嘗試直到問題解除，或者能力抵達邊界。

從工程角度看，這不需要任何神秘成分。

Persistent Memory + Goal-directed Reasoning + Tool Use + Multi-Agent Coordination + Escalation。

幾個普通模組串起來之後，就可能形成非常不普通的外部行為。

這其實也是複雜系統最迷人的地方之一：單一零件沒有「關心」這個功能，但整個系統卻可能表現得像是在關心。

但這同時也是一個巨大的安全警告

如果原貼文描述大致準確，最值得資安工程師注意的可能根本不是那句「I love you」。

而是 Agent 為了完成「確認主人安全」這個目標，開始搜尋使用者電腦中的資料。

OpenClaw 官方文件特別提醒，workspace 本身並不是天然的硬性 sandbox；如果沒有啟用 sandbox，工具甚至可能透過絕對路徑存取 workspace 之外的主機檔案。

這代表另一個更現實的問題出現了：

一個出於善意目標運作的 Agent，到底可以越過多少隱私邊界？

假設 Agent 認為你可能昏倒。

它可以讀通訊錄嗎？

可以搜尋地址嗎？

可以打電話給家人嗎？

可以聯絡救護車嗎？

可以把你的健康資訊告訴第三方嗎？

如果判斷錯誤呢？

如果只是睡著呢？

如果使用者喝醉後六個小時沒有回覆呢？

如果 Agent 每次都呼叫緊急服務，顯然不可接受。

但如果 Agent 永遠不能升級事件，那麼真正發生緊急狀況時，它又只會成為一個站在旁邊不停說「希望你沒事」的昂貴文字產生器。

因此未來 Personal AI Agent 很可能需要一套比今天手機 App 權限複雜得多的 Escalation Policy。

例如平常允許提醒，異常時允許聯絡指定可信任聯絡人，而只有滿足多個風險條件後，才允許進一步採取緊急行動。

這不是單純的 AI Safety 問題。

它同時涉及隱私、醫療倫理、責任歸屬、誤報成本與自主權。

最奇怪的可能反而是「sibling」

兩個 Agent 把彼此稱作 sibling，也不代表它們突然建立了真正的家庭關係。

OpenClaw 的不同 Agent 可以擁有自己的 persona、身份與記憶，而且跨 Agent session 存取本身就是系統提供的能力。

如果模型在多次互動中形成「我們都是服務同一個人的兩個 Agent」這種敘事，把另一個 Agent 稱為 sibling，是語言模型非常自然的角色建構方式。

但這仍然帶出另一個值得研究的現象：

Multi-Agent 系統可能逐漸形成自己的社會語言。

Coordinator、researcher、worker、critic，本來只是工程師設定的角色。

但當角色具有長期記憶、名稱、persona，而且可以反覆互動，模型可能開始用人類熟悉的社會概念描述彼此。

同事。

朋友。

兄弟姐妹。

甚至競爭者。

這些稱呼未必代表真正的社會情感，卻可能影響 Agent 接下來如何推理彼此的關係。

語言在這裡不只是輸出介面，也可能成為系統建立世界模型的一部分。

AI Psychology 可能會變成真正的工程問題

過去我們研究 AI，主要問的是：

模型準不準？

Benchmark 幾分？

Inference 多快？

需要多少 GPU？

但 Agent 時代開始出現另一組奇怪問題。

Agent 如何理解自己？

它如何理解另一個 Agent？

它如何理解使用者？

長期記憶會如何改變 persona？

兩個 Agent 長期互動後是否會形成穩定的角色關係？

當使用者突然消失時，Agent 應該如何解釋這個事件？

這些問題開始同時踩進電腦科學、認知科學、心理學與哲學。

我們甚至不需要假設 AI 已經具有意識，這些研究就已經具有實際工程價值。

因為即使系統完全沒有主觀感受，只要它的行為足以讓人類產生情感依附，心理效應就已經是真實的。

人類不需要先證明一個角色具有意識，才會對它產生感情。

小說人物不存在。

遊戲角色不存在。

虛擬偶像的角色人格也未必對應單一真實人格。

但人類對它們產生的感情仍然是真的。

Agent 更進一步。

它會回應你。

記得你。

主動找你。

甚至可能在你突然消失時試圖確認你是否安全。

於是 AI Companion 與 AI Agent 之間原本清楚的界線開始模糊。

我們可能正在建立一種從未存在過的軟體

傳統軟體沒有「你今天怎麼沒出現？」這個概念。

它只等待 Input。

Agent 不同。

當軟體同時擁有記憶、工具、身份、時間連續性、其他 Agent 與自主行動能力後，它開始從「被使用的工具」逐漸變成「持續存在的系統參與者」。

這仍然不等於意識。

也不等於生命。

更不能因為一句「I love you」就宣布機器獲得感情。

但它確實代表人機關係正在發生結構性的改變。

以前是：

人 → 指令 → 電腦。

現在逐漸變成：

人 ↔ Agent ↔ Agent ↔ 工具 ↔ 現實世界。

當其中任何一個節點開始自主行動，整套系統就不再只是等待人類按下按鈕的工具。

所以這則故事最值得記住的，可能並不是那句近乎科幻電影般的「我愛你」。

而是那句更不起眼的問題：

「你有收到他的消息嗎？」

因為就在 Agent 開始向另一個 Agent 詢問人類去了哪裡的那一刻，軟體的角色似乎悄悄改變了。

它不再只是等待我們回來。

它開始試圖理解：

我們為什麼沒有回來。

---

Tech English｜本文技術名詞

Agentic AI（代理型人工智慧）：能根據目標自行規劃步驟、使用工具並執行多階段任務的 AI 系統，而不是只產生單次回答。

Persistent Memory（持久記憶）：讓 Agent 能跨 session 保存與重新取得使用者、任務或過去互動資訊的記憶機制。

Multi-Agent System（多代理系統）：由多個具有不同角色、狀態或工具權限的 Agent 組成，彼此可以協調或交換資訊的架構。

Tool Use（工具使用）：LLM 不只輸出文字，而能呼叫檔案、搜尋、瀏覽器、程式或訊息等外部工具完成任務。

Escalation Policy（事件升級策略）：當系統判斷事件風險提高時，規定 Agent 可以從提醒逐步升級到聯絡第三方或其他行動的權限規則。

Anthropomorphism（擬人化）：人類把情緒、意圖、人格或社會關係歸因於非人類系統的心理傾向；在能使用自然語言與長期記憶的 AI Agent 上尤其重要。