千问提出 Personal Agent 需模型记忆生态协同

千问提出Personal Agent需以模型、记忆、生态三要素协同，实现个性化主动服务与增量价值创造。当前AI正从代理阶段迈向助理阶段，强调基于用户目标的自主规划与隐性需求发现。其技术实践聚焦任务稳定性、长期用户理解与跨场景精准服务。

模型覆盖30+行业需求图谱，定义8000+原子能力并引入专家评估；记忆按事件关联强弱分层存储，避免噪声干扰；生态协同是释放100%理论问题解决潜力的关键路径。

适合AI架构师、Agent系统工程师、大模型产品负责人阅读。

10 月 22 日，在 2026 中国计算机大会上，阿里巴巴千问事业部 AI 算法负责人蒋冠军分享了千问打造 Personal Agent 的技术实践。他认为，真正的 Personal Agent 阶段，应该带来增量价值的创造和个性化的主动服务，模型、记忆与生态是共同构建这一核心能力的三要素。

蒋冠军将 AI 应用的发展分为对话、代理和助理三个阶段。当前，AI 应用正加速迈向助理阶段，在交付具体任务的基础上，开始结合专业经验和个人上下文，围绕用户目标自主规划与执行，并进一步发现用户尚未注意到或有所疏忽的需求。

他表示，Personal Agent 解决日常工作、学习、生活问题的理论上限接近 100%，释放这一潜力的关键，在于让系统能力与问题解决路径更好地匹配，通过模型、记忆与生态能力的高效协同，为不同问题找到最优解决路径。

在模型层面，千问更加重视任务执行的稳定性。为此，千问建立了一张覆盖 30 多个头部行业的用户需求透视图，梳理出 8000 多项原子模型能力要求，并引入行业专家参与模型评估与优化，持续提升模型理解真实用户需求、完成复杂任务的能力。

在记忆层面，蒋冠军表示，Personal Agent 需要长期理解用户，识别历史信息与当前需求的关联，避免简单积累对话带来的噪声和推理成本。例如，AI 可以结合老人历史对话提及的养老金情况，为其孩子的就业问题提供更贴合家庭处境的建议。千问通过分析事件关联关系设计记忆体系，并按关联强弱分层存储和调用，提升记忆使用的精准性。

生态层面，蒋冠军认为，随着模型能力和 Harness 技术的持续发展，生态的连接与协作能力将成为 Personal Agent 发展的关键。千问正构建以模型为中心的开放服务体系，整合专业知识、工具、行业 Skill 及第三方 Agent，连接电商、本地生活等服务，以及医疗、教育等领域的专业能力，提升复杂现实任务的执行效果。

三要素的协同最终指向主动服务：记忆提供个人背景，模型结合专业知识识别潜在需求、规划行动，生态支撑执行。例如，在健康管理中持续关注康复安排及其对日常生活的影响，在理财过程中提醒用户留意新的风险与机遇。

在千问上，用户对复杂任务和主动服务的需求持续增长，过去三个月复杂任务平均 Token 消耗量增长 1.6 倍。最新消息显示，千问推出的个人专属 AI 助理「千问 Go!」上线新功能“我的应用”。用户无需编程，只要说出需求，就能轻松搭建用于生活、工作和学习等场景的应用，目前相关功能已开启邀测。