千问分享Personal Agent实践：模型记忆生态协同

10月22日，在2026中国计算机大会上，阿里巴巴千问事业部AI算法负责人蒋冠军介绍了千问构建Personal Agent的技术实践。他表示，Personal Agent不仅要完成用户交办的任务，还应创造增量价值并提供个性化主动服务，模型、记忆和生态是实现这一目标的三项基础能力。

蒋冠军将AI应用的发展划分为对话、代理和助理三个阶段。当前，AI应用正从代理阶段走向助理阶段：系统除了交付明确任务，还要结合专业知识与个人上下文，围绕用户目标自主规划和执行，并识别用户尚未意识到或容易忽略的需求。Personal Agent解决工作、学习和生活问题的理论潜力接近100%，关键在于让系统能力与具体问题的解决路径精准匹配。

在模型建设方面，千问将任务执行稳定性作为重点，已形成覆盖30多个头部行业的用户需求透视图，进一步拆解出8000多项原子模型能力要求。同时，团队引入行业专家参与评估和优化，以提升模型对真实需求的理解能力，以及处理复杂任务时的可靠性。

记忆能力则需要支持系统长期理解用户，并判断历史信息与当前需求之间的关联，不能只是机械累积对话，否则容易引入噪声并增加推理成本。例如，系统可以结合老人过去提到的养老金情况，为其子女就业问题提供更符合家庭背景的建议。千问据此分析事件之间的关联程度，并按强弱分层保存和调用记忆，以提高使用准确性。

在生态方面，随着模型能力和Harness技术持续发展，连接外部服务与协作资源将成为Personal Agent的重要支撑。千问正在搭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和第三方Agent，并连接电商、本地生活、医疗、教育等服务能力。三者协同后，记忆负责提供个人背景，模型结合专业知识识别需求并规划行动，生态则负责落地执行，例如持续关注康复计划对日常生活的影响，或在理财过程中提示新的风险与机会。

用户对复杂任务和主动服务的需求正在增加，千问过去三个月的复杂任务平均Token消耗量增长1.6倍。其个人专属AI助理“千问 Go!”已上线“我的应用”功能，用户无需编程，只需描述需求即可创建用于生活、工作和学习的应用，目前该功能已开启邀测。