推荐语
过去一年，Agent 进展最扎实的领域是写代码。原因在于代码自带判卷标准，测试过没过，模型自己就能知道。强化学习有了稳定的反馈信号，能力就能一直往上训。
生活服务没有这样的标准。订错一张票，记混一条病史，系统不会报错，用户只会悄悄流失。过去一年几款通用 Agent 先爆火、后冷却，问题大多出在任务完成率上。用户会为一次惊艳的演示下载产品，留下来却要靠十次稳定的交付。
所以 Personal Agent 要回答的第一个问题，是在没有判卷标准的地方，训练信号从哪里来。千问 AI 算法负责人蒋冠军在访谈里讲的，大多与此有关。千问用线上需求当考卷：先把用户请求聚类成 30 多个行业的需求分布，再拆成 8000 多项原子能力，后训练逐项检查稳定性。考卷来自真实分布，样本量不必很大，关键在覆盖。这类数据要靠大流量的 C 端产品才攒得下来。
Harness 的寿命是今年行业争论最多的话题之一。没有自研基模的公司，壁垒几乎全在外围工程上，Instinct 创始人就强调必须自研推理管线来降低成本。千问做的是训推一体：推理和规划直接训练进模型，Harness 负责组织个人记忆、任务信息、Skill和工具。至于模型升级之后哪些工作会白做，蒋冠军把它分成两类。为弥补当下模型短板写的业务逻辑会折旧；围绕用户需求接入的工具、服务和知识库不会。
记忆则是另一道难题。在合规的前提下，千问的核心判断是“记什么、怎么用”：既要记录可信的事实和关联，也要从实际用户需求反推记忆Schema，合理决定内容、粒度及召回时机。纯文本是有效的存储形式之一，信息还需要随用户状态和时间变化持续更新，避免过度记忆与错误调用，确保数据是安全并是有效的。
最难的一层是生态。真实生活服务对外部生态的依赖更强。模型能够规划步骤，却未必能够连接每个实际服务接口；即使尝试网页或GUI等方式，也受到用户授权、平台规则和执行稳定性的约束。蒋冠军的说法很直白：生态不通，那就是不通。对于Personal Agent，连接专业知识、工具和现实服务仍是持续建设的方向。
结合此次访谈，我们有五点观察
第一，Agent的竞争正从模型延伸到交付工程。 行业谈 Agent 习惯比上限。蒋冠军的判断是，多数日常任务模型已经能做，出错多在需求对齐、信息获取、工具选择和路径规划。千问从真实需求反推能力：先梳理一个任务需要哪些知识、数据和工具，再补薄弱环节；模型和 Harness 一起训，后训练在真实工具环境中做。长任务能不能跑完，看规划、单步成功率和失败后的回溯。Agent 的竞争正从模型层延伸到交付工程。
第二，记忆的价值要回到用户需求。千问同时考虑数据合规、事实与关系的定义、个人信息的适当抽象，并从应用需求反推Memory Schema。记忆需要准确召回、动态更新，也要避免在不相关场景中反复提及敏感信息。
第三，生活服务这一侧，生态可能是最大的墙。 模型规划出流程，不等于每一步都有服务可调，出行、购物还牵涉规则、交易和履约。千问的生态包括阿里内部服务、外部服务商、专业知识库和行业工具。飞猪和东航同时接入，供给并存，用户对价格和时间的偏好才有匹配的余地。国内各平台之间能连通到什么程度，仍是整个行业共同的变量。
第四，主动服务的分寸比主动本身难。 千问先用模型知识和专业知识库找出任务的关键节点，再结合个人记忆筛选、控制频次，敏感的健康信息不会在无关回答里反复出现。蒋冠军将部分行为边界形容为类似“产品宪法”的约束，目前相关能力仍在探索。
第五，Agent 开始对外交涉，权限边界就成了产品的地基。 一次延误险理赔中，用户要求现金赔付，于是千问Agent 没有接受代金券方案，继续围绕用户的现金赔偿目标沟通，最终帮助用户获得70元现金。支付、修改数据、对外透露个人信息，都必须由用户确认或授权。这些约束写进 Skill，系统框架层再加一道硬约束。
以下是访谈的整理稿。
01 为什么是现在：Personal Agent 不是跟风，而是技术到了这个阶段
Q：今年 Personal Agent 突然成了全行业的关键词。千问这时候旗帜鲜明地做 Personal Agent，是在跟随海外的热点吗？
A： 千问从发布产品开始，我们的宗旨就叫“能聊天、会办事”。我们一直相信，AI产品未来的终局，一定是一个个性化的Personal Agent。“会办事”本身就包含了这个方向。过去很长一段时间，千问都在围绕这个目标建设能力，只是没有特别突出Personal Agent这个概念。
为什么是现在？我觉得核心还是技术能力发展到了这个阶段。今天模型已经比较强了，能够推理、调用工具，把一个个单点功能串联起来完成任务。再结合个人记忆、Context等个性化信息，就有条件进一步形成Personal Agent。
与此同时，工具和生态也在逐步成熟。早期模型主要调用搜索引擎，完成信息检索和整理，现在越来越多工具和现实服务开始适配模型。所以当大家都在思考AI最终能为用户创造什么价值时，技术路线出现趋同是很自然的。
Q：回看技术演进，模型从什么时候开始真正具备 Agent 能力？
A： 起点是模型能思考，这是模型能力非常本质的一个转变。
最早使用思考能力，是为了提高单次回复的质量。但模型能思考以后，就可以进一步判断自己生成的结果是不是合理，整个路径规划、外部工具调用是不是正确，有没有更好的实现方式。发现某个步骤效果不好，就重新规划、重新判断，把多个单点功能串联起来，就形成了完成复杂任务的Agent能力。
另一个重要变化是模型的代码能力越来越强。一方面让Vibe Coding效果更好，另一方面也让模型能够更方便地调用工具、规划任务执行流程。思考能力和代码能力结合起来，相当于模型这一侧已经具备了Agent的初始能力。
接下来就是外围工具和生态的发展。最早是搜索引擎等信息工具，后来逐步延伸到更多现实服务，再结合个人记忆和上下文，Agent能够解决的问题也越来越复杂。
Q：落到真实使用中，目前用户主要把哪些场景交给千问？
A： 目前比较集中的场景是财经、教育、医疗，以及部分生活服务。这些需求往往具有较强的专业性。
比如医疗，主要还是信息服务，包括专业医疗知识、长期病程管理等。普通用户和医疗体系之间存在一定的信息差，即使是慢性病患者，也未必充分了解整个康复过程、治疗方式，以及有没有新的药物和解决方案。
财经领域的需求则更加明确。大量C端用户希望辅助理财判断，包括查询实时行情、解读社会热点、分析公司公告和财报等。这些需求虽然来自普通用户，但需要的专业分析能力与财经从业人员有很多相似之处。
Q：从 LangChain 到 OpenClaw，行业一直在尝试让模型完成更多任务。和那一波相比，这半年真正的进步在哪里？
A： 这些产品都有效地拓展了Agent的能力边界，让用户发现原来不同工具可以这样组合，AI还能完成很多以前想象不到的事情。
但真正面向大众长期提供服务，还需要进一步提高任务执行的稳定性和可预期性。要把Personal Agent做好，核心有三个要素：模型、个性化数据，包括记忆和Context，以及生态工具和服务体系。
Coding Agent发展得比较快，原因就在于这三个条件相对成熟。模型代码能力很强，代码库提供了相对完整的上下文，编辑、编译和运行工具也比较集中。
生活场景的情况复杂得多，用户的个人信息分散在不同地方，外部服务也尚未充分适配模型。在未来，围绕记忆和生态持续建设，才能让Agent从展示能力，进一步走向稳定交付。
02 从需求倒推能力：30 多个行业、8000 多个原子能力，先守住下限
Q：Muse 最近热度很高。千问和它的思路有什么不同？
A： GUI是Agent连接现有互联网生态的一种重要方式，特别是在缺少标准化API和MCP接口的情况下。不过它也有执行成本、稳定性及平台授权方面的挑战。
不同市场的互联网服务形态也不一样。海外大量服务建立在PC、网页和邮件生态上，国内则以移动互联网为主，技术实现方式自然会有差异。
千问的核心思路，是从真实用户需求出发建设技术能力。为此，千问建立了一套用户需求透视图，分析不同行业用户的核心需求，再结合模型当前的能力水平，判断哪些环节需要进一步提升，哪些需要补充专业知识库、工具和外部服务。技术体系的建设围绕实际需求展开，最终是为了提高任务交付的稳定性和完整性。
Q：这张“需求透视图”具体是按哪些维度建模的？
A： 我们先看一个行业里，用户的问题集中在哪里。以财经为例，用户想分析一只股票，可能涉及财报、研报、公司信息、市场行情、行业趋势，甚至市场情绪。把这些信息和任务环节组合起来，就能形成相对完整的需求视图。
接下来再看整个链路有哪些薄弱环节，比如财报数据是否完整、处理财报的能力够不够强，然后将这些问题拆解成相对原子的能力要求，逐项补齐。
这样能够推动整体能力水平提升，避免某个环节出现明显短板，影响最终任务交付。
Q：千问会基于真实用户场景对模型做后训练吗？重点解决的是什么问题？
A： 场景后训练非常重要，核心是保证模型能力下限的稳定性。基础模型可以不断探索能力上限，但到了具体场景，稳定性有时候更加重要。
比如用户知道千问能够订票，就会预期大部分订票任务都能完成。如果只能订某几种票，换一种就无法完成，显然不符合用户预期。所以后训练需要重点提升常见任务的覆盖度和稳定性。
当前模型已经具备很强的任务解决潜力。有些任务第一次效果不好，稍微调整规划或者工具调用方式，就可能达到预期。这说明问题有时出在模型对真实用户需求的理解，以及解决问题的路径上。后训练需要缩小用户需求分布与模型能力分布之间的偏差。
针对前面拆解出的原子能力，千问通过后训练和强化学习，重点提升能力的稳定性与组合效果。同时推动模型与Harness的训推一体化，让训练过程更贴近真实的工具调用和任务执行环境，进一步提高复杂任务的交付效果。
Q：训练过程中需要引入用户的个性化信息吗？真实使用中的反馈会怎么用？
A： 建设模型的通用能力，主要需要对齐真实世界的需求分布。个人信息可以在实际使用时作为上下文输入，没有必要将每个人的资料都放进模型训练。
真实任务的执行结果则可以提供重要反馈。比如航班延误理赔最终有没有办成，哪个环节出现问题，执行过程中经历了什么样的轨迹，都有助于发现模型和系统能力上的不足。
后训练也不单纯追求样本数量，更重要的是覆盖关键原子能力和典型执行轨迹，保证数据的多样性与质量。类似航空理赔、酒店退款这样的任务，可能共享部分解决问题的范式，但最终效果仍然取决于具体服务条件。
Q：Personal Agent 本质上是长时间、多步骤的任务。千问在这方面做了哪些优化？
A： 复杂任务能否稳定交付，主要看三个环节：第一，任务规划要合理；第二，每个单步骤的成功率要高；第三，遇到失败时能够合理回溯、重新规划。
模型侧主要提升规划和判断能力。通过围绕真实需求构建训练样本、进行强化学习，让模型更好地判断执行步骤，并在失败后重新寻找解决路径。
生态和Skill体系则重点保证单步骤执行的可靠性。比如查询票价，如果缺少可靠的查询接口，只能通过不完整的网页信息获取，结果就可能不准确。工具越完整，单步骤的成功率就越高。
重新规划时还需要考虑用户的上下文和个人记忆。同样的需求，面对不同用户可能需要采取不同方式。任务路径可以调整，但始终要围绕用户的真实目标。
Q：健康医疗、法律、财经等领域的需求差异很大，模型、Skill 和生态分别承担什么角色？
A： 不同领域的专业知识和服务差异很大，但模型侧的建设思路是相似的：通过需求透视图判断用户需要哪些能力，再检查模型的不足，通过后训练和强化学习提升理解、推理与规划能力。
Skill和生态体系主要补足行业的专业能力。这里大致可以分成三类：行业知识工具、连接实际服务商的工具，以及处理具体环节的单点工具。
比如医疗场景，既需要专业医疗知识，也需要把诊断报告进行文字提取、格式化和结构化。把这些工具和专业服务补齐，模型就能减少不必要的自行推理，任务执行也会更加可靠。
03 模型与 Harness：不是两套系统，而是一个整体
Q：行业里有一种说法：各家基础模型能力差不多，所以大家都在往工具调用和 Harness 上补。如果把 Agent 底层的模型换掉，影响会有多大？
A： 影响会比较大。模型能力接近，通常是从公开评测集或者通用任务来看，但放到实际应用里，最终任务完成效果可能存在明显差异。
模型和Harness需要紧密协同。模型负责推理和规划，Harness组织个人记忆、任务信息、Skill和工具。模型能获得什么上下文、调用什么工具，都会直接影响最终交付。
因此，千问在模型优化和后训练过程中，会把Harness和模型放在一起考虑，通过训推一体化对齐训练与线上执行环境。即使使用类似的Harness框架，更换底层模型后也需要重新适配，才能获得理想的任务执行效果。
Q：那么哪些能力应该训进模型，哪些应该交给 Harness？
A： 分工的原则比较明确。对于具体任务中能够通过工具、Skill、专家经验和个人记忆解决的部分，尽量由Harness体系承担。模型则持续提升推理、规划、阅读和信息整理等能力。
这可以类比人处理问题的过程：有很多趁手的工具，就没必要消耗大量脑力去解决每一个具体问题；没有合适工具的时候，依然需要足够强的判断力，寻找其他解决路径。
Q：任务进来之后，系统怎么判断先调记忆还是先调外部工具？背后是一套路由机制吗？
A： 这里的重点是模型与Harness如何协同。Harness会组织个人记忆、任务信息、Skill和工具能力，为模型提供合适的上下文；模型结合当前任务判断需要哪些信息，以及何时调用相应工具。记忆检索也贯穿任务执行过程，需要围绕当前目标选择相关信息，降低噪声与重复推理。
Q：多智能体协作很热，但很多产品默认把它关掉了。什么情况下多智能体协作真的有收益？
A： 千问Go!目前对多智能体的使用还比较克制。核心判断标准是子任务的功能是否独立、边界是否清晰，以及是否需要与主任务进行复杂的状态对齐。
比如将拍摄的文档照片处理后生成PPT，其中的文字和图片提取就是相对独立的功能。可以交给专门处理这类任务的Agent，主Agent只需要知道它能够交付什么结果。
但如果要整理电商订单、查询商品参数，再生成一份消费分析PPT，就不能简单按照“电商Agent”和“PPT Agent”划分。订单和商品信息可能分布在不同系统，更合理的方式是按照实际的信息获取与处理环节拆分。
多Agent协作应当尽量减少复杂的状态同步。每个Agent负责什么、需要交付什么越清晰，协作效果通常就越好。
Q：有一种普遍的焦虑：模型一升级，Harness 上百分之八十的工作就白做了。你怎么平衡？
A： 百分之八十这个比例有些夸张，但随着模型能力发展，一部分为弥补当前模型不足而建设的工程逻辑，未来确实可能不再需要。这是应用开发必须面对的问题。
关键是从用户的核心需求出发，区分哪些能力具有长期价值，哪些只是当前技术条件下的临时补充。模型、Harness和Skill需要放在一个完整的技术体系里考虑。
比如千问围绕30多个行业梳理用户需求，持续建设专业工具、知识库和服务能力。这些积累不会因为模型版本升级就失去价值。模型越来越强，工具和服务也在进步，两者可以共同提升任务完成效果。
至于为了弥补模型短板而增加的部分业务逻辑，将来需要调整甚至替换，这个代价是可以接受的。重要的是让真正服务用户需求的能力持续积累。
04 记忆：记住什么，由未来的任务决定
Q：联网的 Deep Research 已经很普及了。Personal Agent 和它的本质区别在哪里？
A： 这里最大的差别在于能否结合个人信息、长期记忆和任务上下文。
Personal Agent则能够在用户授权的前提下，结合历史关注的话题、此前咨询的问题和相关个人背景，形成更贴近个人需求的分析。一次性研究任务通常围绕当前问题收集和分析信息。
比如同样询问一家AI公司值不值得投资，一位用户长期关注芯片和大模型，主动分享了部分投资信息。Personal Agent能够结合这些历史背景理解问题，分析角度和最终结果就可能与一次性的研究任务有所不同。
Q：要做到个性化，是不是意味着用户得先录入大量个人信息？
A： 个性化需要以用户愿意分享的信息为基础。不需要用户在开始使用时就提交大量个人资料。新用户没有历史信息，但随着持续使用，偏好、关注方向和一些个人背景会逐渐沉淀下来。
比如用户要求分析某只股票，并主动说明已经持有这只股票，系统就可以结合这些信息提供更有针对性的分析。如果未来与第三方财经账户建立服务连接，在获得用户授权后，还可能使用更加实时的账户信息。
随着Agent能力和实际效果提升，用户可能更愿意提供与任务相关的背景，因为这样能够获得更符合自身需求的结果。
Q：用户信息不断累积，千问如何设计Memory Schema，判断哪些事实和关系值得记录？
A： 记忆设计最关键的是两个问题：记什么、怎么用。在合规前提下，存储粒度非常重要。比如用户说月薪8000元，可以记录具体数字，也可以进一步理解为拥有稳定收入。这两种记忆的抽象程度不同，适合的应用场景也不一样。
千问的Memory Schema会定义事实及其关联关系，同时从实际用户需求反向判断哪些内容值得记住，以及应该记到什么程度。
Q：长期记忆和短期记忆怎么划分？用户画像多久更新一次？没用的信息多久删除？
A： 长期与短期记忆没有固定不变的划分。很多信息会随时间变化，包括职业、兴趣和健康状态。比如感冒相关的信息一般具有较强时效性，某场比赛的信息也会随比赛结束而变化。
技术上更重要的是建立持续更新的记忆体系，识别不同信息的变化规律和有效性。用户表达了新的、与Memory Schema相关的信息，就可以更新相应记忆。后续召回时，还需要判断历史内容是否仍然符合当前情况。
05 主动服务：克制比主动更重要
Q：主动提醒的边界在哪里？海外有产品把家人信息混进推荐里，用户反而觉得被冒犯。
A： 第一条原则是帮助用户，而不是增加困扰。涉及授权的第三方信息时，首先要分清谁的情况，以及哪些信息明确、哪些仍有歧义。连这些关系都没辨清，就不适合据此主动提醒。
Q：主动服务的“度”怎么拿捏？
A： 这部分还处在比较初级的探索阶段。首先需要从产品定义上控制范围，优先选择需求明确、时间节点相对清晰的场景。比如某些疾病在康复过程中有明确的复查或康复节点，就适合在合适的时候提供提醒。
第二个关键是时机和内容。什么时候提醒、提醒什么，需要结合模型的专业知识、事件之间的关联关系，以及用户的个人记忆。
同时，还需要给主动服务设置行为边界。这些约束更多通过文本和语义来表达，明确哪些服务可以主动提供、哪些信息需要谨慎使用，类似一套“产品宪法”。
主动服务必须精准、克制，避免让用户觉得自己被过度干预。
Q：Agent 能 follow 用户的长期目标吗，比如跑马拉松、升职，甚至孩子高考？人本身又是矛盾、复杂的，这怎么办？
A： 比较明确的长期目标，目前已经能够较好地理解和跟进。比如用户希望半年后跑一场马拉松，并设定目标成绩，后续围绕训练、休息和恢复提出问题，系统就能够将这些任务与长期目标关联起来。
但“半年内升职”这样的目标就复杂得多。写周报、做项目方案都可能与升职有关，但关联强弱不同。当前任务究竟在多大程度上服务长期目标，今天仍然很难可靠判断。
更复杂的是人的需求本身会变化。用户询问暴饮暴食是否合理，可以结合马拉松目标提供建议；但如果只是分享吃了一顿烧烤、感觉很开心，个人助理也没有必要立刻用训练目标来纠正他。真正理解一个人，还需要判断他当下是在寻求建议，还是单纯分享生活。
孩子高考也是类似情况。现阶段很难完整管理这样一个长期而复杂的目标，但可以把具体环节做好，例如分析高二数学试卷中的薄弱知识点，制定针对性的学习计划。先稳定解决明确任务，再逐步探索更加复杂的长期目标管理。
06 安全边界：Agent 是你的助理，不是你本人
Q：外界对 Agent 替用户打电话这件事很好奇。这是真的吗？能讲一个真实的例子吗？
A： 有一个航班延误理赔的案例。用户购买过延误险，希望获得现金赔偿，就让千问Go!帮助处理。客服最初提出代金券方案，但用户明确要求现金。Agent没有将代金券视为任务完成，而是继续围绕用户目标沟通、寻找其他解决路径，最终帮助用户获得70元现金赔偿。这个案例体现出复杂任务执行中的目标保持、路径调整和失败回溯。作为助理，Agent也需要遵守用户授权与操作边界。
Q：模型还是会出错，但订机票这类事情容不得错。为什么现在敢做 Personal Agent？
A： 现在不只是让模型独自作答。并且相比过去，模型的推理、工具调用和自我判断能力已经有明显提升，围绕模型的工具和服务生态也更加成熟。
更重要的是，Personal Agent已经形成了模型、Harness和生态协同执行任务的体系，可以通过系统工程增加必要的检查和控制。
比如订机票，Agent可以帮助查询、筛选和推进任务，但涉及具体舱位、时间、订单修改及支付等关键环节，仍然需要用户确认。系统可以在Skill中定义接口行为和交互条件，再通过框架层面的强约束形成双重保障。
另外Agent是始终以助理身份执行任务，需要遵守用户授权和操作边界，不能完全代替用户行使权利、承担义务。
07 成本与速度：降本靠体系，不靠单点技巧
Q：海外已经有 Agent 公司因为堆算力撑不下去，而且用户用得越久，成本越高。千问有这个压力吗？
A： 用户使用时间越长，历史信息确实会越来越多，但这些内容不需要在每次推理时全部放进模型上下文。
千问会对历史对话进行合理压缩，一部分抽取成个人记忆，近期内容则根据当前任务进行Context筛选。记忆本身也是一种压缩方式。
Q：具体做了哪些成本优化？效果如何？
A：模型侧，模型路由、大小模型切换、缓存和推理优化等手段都在用。Harness同样非常关键。不同Harness完成同一个任务，可能产生完全不同的执行轨迹。比如Skill是全部平铺给模型，还是按照功能分层组织；存在相似工具时，怎样让模型找到完成度更高的那个，都会影响执行效率。
千问会与Skill提供方共同厘清功能和适用范围，提高单步骤成功率，减少不必要的重试。同时，将常见的执行模式沉淀为Skill，避免每次重新规划整个流程。
另外还有上下文压缩，包括从历史对话中提取记忆、筛选短期Context，以及精简工具和Skill信息。通过这些优化，过去一段时间千问相关任务的上下文规模降低了约40%。模型和生态仍在变化，整体成本还有很大的优化空间。
Q：会不会出现“花 20 块钱的 token 去抢一张 10 块钱的优惠券”？
A： 可能会有这种情况，执行成本高于任务收益。但从长期看，模型推理成本还会继续下降，Harness和工具体系的优化也能够减少Token消耗。随着单步骤成功率提高、执行路径缩短，完成同类任务需要的计算资源预计会显著降低。
08 留存与商业化：拼上限能吸引尝鲜，守住下限才能留住用户
Q：OpenClaw、Muse 都是爆火之后留存下滑。千问靠什么留住用户？
A： 新Agent产品往往能够展示AI能力的上限，让用户看到不同工具和功能还可以怎样组合，因此很容易引发关注和尝鲜。
但面向大众长期提供服务，产品的能力下限必须足够高。比如用户知道一个Agent能够订票，就会预期大部分订票任务都能稳定完成。如果换一种票就无法执行，长期使用的意愿自然会受到影响。
很多场景的需求频率并不高，但只要用户形成了稳定预期，需要的时候就会回来使用。财经、教育、医疗等领域也有类似特点，用户找到适合自己的使用场景，才会逐步建立使用习惯。
从千问的数据看，过去三个月Agent用户单个任务的平均Token消耗量约为此前的1.6倍。这反映出用户正在尝试更复杂的任务。任务效果持续提升，用户才会逐渐愿意交付更多工作。
Q：情感陪伴型和把事办成型，哪种产品的留存更高？
A： 用户使用AI，首先还是希望解决具体问题。以任务完成为核心的功能更有利于留存，千问目前也更聚焦这一方向。
情感陪伴也有价值，但对Personal Agent来说，首先需要把用户交付的事情处理好。解决问题的能力越稳定，产品越容易建立长期信任。
Q：阿里做 Personal Agent 的优势是什么？
A： 首先是生态。阿里拥有较丰富的电商、本地生活等服务体系，能够为Agent提供多种工具和实际执行能力。对于已经有成熟工具和Skill可以完成的环节，直接调用通常会比让模型重新推理更加高效，任务成功率也更有保障。
第二是模型与应用的协同。千问基模能力持续发展，围绕C端Personal Agent又开展了大量需求挖掘、数据对齐、原子能力定义和后训练工作。公开评测主要反映模型的通用能力，但实际产品更需要关注具体场景中的稳定性、服务效率和任务完成率。
还有一个重要方面，是长期积累的专业知识和行业工具。千问的生态覆盖范围不仅包括集团内部服务，也包括医疗、教育、财经等领域的专业知识库、Skill和第三方服务。
09 终局：不要神化 Personal Agent
Q：Personal Agent 最终能理解人生观、影响人的生活意图吗？还是说这已经被神话了？
A： 今天还不能过度神化Personal Agent，整个行业仍处在比较早期的阶段。现阶段更重要的是稳定完成目标清晰、可以验证结果的具体任务。
现实中很多需求包含大量没有明确表达的条件。比如规划一次旅行，用户可能默认了酒店位置、预算、天数和交通偏好，但Agent并不了解这些背景。条件不充分，规划出来的结果就容易偏离预期。
当任务目标、约束和验收要求比较清楚时，Agent通常能够完成得更好。未来随着个人记忆、专业知识和生态服务逐步完善，才有条件进一步理解更复杂的长期需求，为用户提供新的解决方案。
Q：未来六个月会有什么突破？
A：未来半年，个人记忆及Context相关技术会迎来一次跃迁。
记忆技术会继续解决怎样准确理解个人、组织长期信息，以及在不同任务中合理调用上下文的问题。过去一段时间，点单、购物等服务已经在持续迭代，个性化和任务执行效果也有明显进展。
另一个重要变化来自生态。今天互联网服务主要围绕传统互联网和移动互联网建设，未来会逐步适配模型调用。从单点工具到信息服务，再延伸到外卖、机票等实际服务，更多分散的能力有望逐渐形成完整的执行链路。
Q：如果 Personal Agent 真的成为爆款，它会长成什么样？
A： 期待两种增量。第一是提出用户原本想不到的方案，而不只是替他做已知的繁重工作。做一份PPT，用户往往知道成品该是什么；更好的助理会结合用户已有资料、专业知识和工具，补上他的知识缺口。AI for Science已经展示出一些不同于人的解决路径，但目前仍偏专用，不能直接等同于通用生活助理。
第二是适时主动帮助，发现用户遗漏的环节，例如重要日程前需要安排提醒。我期待这样的体验将来不只出现在App里，也能延伸到汽车、具身智能等载体。
Q：最后，你个人对 Personal Agent 最大的期待是什么？
A：最期待生活中的复杂问题有更好用的解决方式。
今天Coding和工作类Agent发展较快，因为任务的输入、输出和上下文相对明确，用户也容易提出清晰的指令。但买房、买车、孩子上学等生活问题，涉及大量个人背景、信息筛选和长期决策，边界往往没有那么明确，却会消耗很多时间和精力。
如果Personal Agent能够把模型的专业能力、个人记忆和真实服务生态结合起来，帮助用户解决这些复杂问题，就有可能创造更大的价值。
更进一步，是让个人助理能够适时主动提供服务。说得直接一点，要么帮用户挣钱，要么帮用户省钱。
