千问聚焦 Personal Agent 稳定性,强调本地执行可靠性优于极致能力
Personal Agent 进入可靠性竞争阶段
Personal Agent 已渡过早期验证,进入产品竞争新阶段。Meta Muse、OpenAI Dots 等产品正从“炫技”转向长期稳定服务。阿里千问 AI 算法负责人蒋冠军认为,尽管对话中可执行购物等任务,但从调用工具到真正理解用户并稳定完成任务,可靠性仍有差距。生活场景因包含大量未明确表达的偏好,成为更广阔市场。千问认为当前核心差异在于对用户需求理解及重点方向选择,而非基础模型能力差异。
理论上限与实际交付能力的落差
过去一年 Agent 产品通过展示数十步任务能力吸引关注,但展示上限与提高实际完成率是两回事。以 Muse 为例,其通过 GUI 调用现有互联网服务提高上限,但未自动提高下限。若任务失败率高,难以形成高频使用。蒋冠军指出,在不考虑交互成本和计算代价前提下,Personal Agent 理论能力上限接近 100%,但系统实际交付能力目前只有 60%~70%。

这种落差主要源于系统首次执行时无法找到正确路径。即使模型具备知识,也可能因工具选择、信息获取或执行路径不当而失败。不同路径如调用数据库或浏览网页,会显著影响成功率、速度和成本。千问据此建立覆盖 30 多个头部行业的需求透视图,将真实需求归纳为不同意图,进一步拆解成 8000 多项原子模型能力要求,以针对性补齐短板。
模型与 Harness 的深度耦合策略
千问采用“分工”路径,确定性工具或专业 Skill 解决的问题不依赖模型即兴推理,个人 Context 提供的信息不让模型猜测,模型专注理解、规划及失败后的重新规划。优化需考虑线上环境中的工具、Skill 和 Harness 体系,实现“训推一体化”。蒋冠军强调,模型与 Harness 并非独立体系,若替换底层模型而保持 Harness 不变,Agent 整体能力会大幅变化。

Harness 本质是为模型提供 Context,包括工具、记忆等决策要素。系统需让模型知晓可用工具及适用场景,并检索相关记忆而非塞入所有历史。据千问团队透露,在部分场景中,Harness 层优化可以减少约 40% 的 Token 消耗;在金融等专业场景,通过封装专业能力,可以将回复效果提升接近 20%。这种深度耦合方式是提升 Personal Agent 稳定性和任务完成率的关键。
基于事件关系的记忆体系重构
各家 Personal Agent 记忆设计路线差异明显。Town 走极简路线维护约 5~20 页 Wiki 摘要;Instinct 强调可控性通过后台批处理写入并支持 Diff 和回滚;Muse 强调记忆溯源每小时核对新记忆;Grok Bot 按角色划分记忆但缺少后台整理。这些差异涉及记忆可编辑性、可追溯性及共享隔离。

千问核心思路是从用户需求反推记忆内容。难点不仅在于单条记忆召回,更在于判断什么信息值得成为记忆及记录粒度。传统画像先设计字段再填充,千问则先看未来需求,由任务反推记忆体系结构。例如,结合用户养老金状况和子女就业问题,推断家庭处于经济压力之下,而非孤立回答求职建议。千问通过事件关系反向定义记忆 Schema,构建持续更新的“个人状态模型”。
记忆控制与失效周期管理
千问在 PC 端提供显性记忆编辑入口,用户可直接修改;而隐性记忆及临时性记忆可能无法直接编辑。用户对不同记忆控制程度不一,区分事实与推测并允许用户纠正错误,直接影响个性化服务可靠性。用户画像和记忆随新信息持续更新,但不同信息无统一失效周期。例如,当日活动信息仅当天有用,而收入、职业等状态影响长期决策。千问认为需根据信息时效性分层更新,避免统一删除周期。这也可能成为 Personal Agent 比模型更难迁移的壁垒,因为长期使用的 Agent 已深度理解用户工作背景与家庭状态。
来源:InfoQ