文章核心观点 - Personal Agent的竞争正从模型能力上限延伸到交付工程下限，核心是在没有判卷标准的生活服务场景中建立稳定的训练信号与任务完成率 [2][5] - 千问以真实用户需求为考卷，将线上请求聚类为30多个行业需求分布、拆解为8000多项原子能力，通过后训练逐项检查稳定性，样本量不必大但关键在覆盖，此类数据依赖大流量C端产品积累 [2] - 模型与Harness不是两套系统而是一个整体，需训推一体化对齐训练与线上执行环境，更换底层模型后即使沿用类似Harness框架也需重新适配 [22][23] - 记忆的核心问题是"记什么、怎么用"，需从实际用户需求反推Memory Schema，合理决定内容、粒度及召回时机，并随用户状态和时间持续更新 [4][30] - 生态是生活服务侧最大的墙，模型能规划步骤却未必能连接每个实际服务接口，生态不通就是不通 [5][6] - 主动服务的分寸比主动本身更难，需通过类似"产品宪法"的文本语义约束设定行为边界，优先选择需求明确、时间节点清晰的场景 [6][33] - Agent以助理身份执行任务，支付、修改数据、对外透露个人信息必须由用户确认或授权，约束写入Skill并在系统框架层加硬约束 [6][37] - 面向大众长期提供服务，产品能力下限必须足够高，拼上限能吸引尝鲜，守住下限才能留住用户 [41] 一、为什么是现在：技术到了这个阶段 - 千问从发布产品起宗旨即为"能聊天、会办事"，AI产品终局是个性化Personal Agent，过去长期围绕该目标建设能力 [7] - 技术能力发展到现阶段：模型已能推理、调用工具、串联单点功能完成任务，结合个人记忆与Context等个性化信息，有条件形成Personal Agent [7] - 工具和生态逐步成熟，早期模型主要调用搜索引擎完成信息检索整理，现在越来越多工具和现实服务开始适配模型 [7] - Agent能力起点是模型能思考，模型可判断自身生成结果是否合理、路径规划与工具调用是否正确，发现效果不好就重新规划，将多个单点功能串联形成复杂任务能力 [8] - 代码能力增强使Vibe Coding效果更好，也让模型更方便调用工具、规划任务执行流程，思考能力与代码能力结合使模型具备Agent初始能力 [8] - 当前用户集中场景为财经、教育、医疗及部分生活服务，需求专业性较强；医疗主要是信息服务包括专业医疗知识、长期病程管理，财经需求包括查询实时行情、解读社会热点、分析公司公告和财报 [10] - 做好Personal Agent核心三要素：模型、个性化数据（记忆和Context）、生态工具和服务体系 [10] - Coding Agent发展较快因三条件相对成熟：模型代码能力强、代码库提供完整上下文、编辑编译运行工具集中；生活场景个人信息分散、外部服务尚未充分适配模型 [11] 二、从需求倒推能力：30多个行业、8000多个原子能力 - GUI是Agent连接现有互联网生态的重要方式，特别在缺少标准化API和MCP接口时，但有执行成本、稳定性及平台授权挑战；海外服务多建立在PC、网页和邮件生态，国内以移动互联网为主，技术实现方式有差异 [12] - 千问建立用户需求透视图，分析不同行业用户核心需求，结合模型当前能力水平判断哪些环节需提升、哪些需补充专业知识库、工具和外部服务 [13] - 以财经为例，用户分析一只股票涉及财报、研报、公司信息、市场行情、行业趋势甚至市场情绪，将信息与任务环节组合形成相对完整的需求视图，再拆解为原子能力要求逐项补齐 [14] - 场景后训练核心是保证模型能力下限的稳定性，基础模型可不断探索能力上限，但具体场景稳定性有时更重要，需提升常见任务覆盖度和稳定性 [16] - 后训练需缩小用户需求分布与模型能力分布之间的偏差，通过后训练和强化学习提升原子能力稳定性与组合效果，推动模型与Harness训推一体化 [16] - 建设模型通用能力主要需对齐真实世界需求分布，个人信息在实际使用时作为上下文输入，无需将每个人资料放进模型训练；真实任务执行结果可提供重要反馈 [17] - 后训练不单纯追求样本数量，更重要是覆盖关键原子能力和典型执行轨迹，保证数据多样性与质量 [18] - 复杂任务稳定交付看三个环节：任务规划合理、每个单步骤成功率高、遇到失败能合理回溯重新规划 [19] - 生态和Skill体系重点保证单步骤执行可靠性，工具越完整单步骤成功率越高；重新规划时需考虑用户上下文和个人记忆，任务路径可调整但始终围绕用户真实目标 [19] - Skill和生态体系补足行业专业能力，大致分三类：行业知识工具、连接实际服务商的工具、处理具体环节的单点工具；医疗场景既需专业医疗知识也需将诊断报告文字提取、格式化、结构化 [20] 三、模型与Harness：不是两套系统而是一个整体 - 模型能力接近通常从公开评测集或通用任务看，但实际应用中最终任务完成效果可能存在明显差异，模型和Harness需紧密协同 [21] - 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、调用什么工具直接影响最终交付 [21] - 分工原则：具体任务中能通过工具、Skill、专家经验和个人记忆解决的部分尽量由Harness体系承担，模型持续提升推理、规划、阅读和信息整理能力 [23] - Harness组织个人记忆、任务信息、Skill和工具能力为模型提供合适上下文，模型结合当前任务判断需要哪些信息及何时调用工具，记忆检索贯穿任务执行过程 [24] - 多智能体使用较克制，核心判断标准是子任务功能是否独立、边界是否清晰、是否需要与主任务复杂状态对齐；多Agent协作应尽量减少复杂状态同步 [25] - 模型升级后Harness上部分为弥补当前模型不足而建设的工程逻辑未来可能不再需要，关键是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 [26] - 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，这些积累不会因模型版本升级失去价值；为弥补模型短板增加的业务逻辑将来调整替换的代价可接受 [27] 四、记忆：记住什么由未来的任务决定 - Personal Agent与联网Deep Research最大差别在于能否结合个人信息、长期记忆和任务上下文，在用户授权前提下结合历史关注话题、此前咨询问题和相关个人背景形成更贴近个人需求的分析 [28] - 个性化以用户愿意分享的信息为基础，不需要用户开始使用时提交大量个人资料，随着持续使用偏好、关注方向和个人背景逐渐沉淀 [29] - 记忆设计最关键两个问题：记什么、怎么用；存储粒度非常重要，如用户说月薪8000元可记录具体数字也可理解为拥有稳定收入，两种抽象程度适合不同应用场景 [30] - Memory Schema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及记到什么程度 [30] - 长期与短期记忆没有固定划分，很多信息随时间变化包括职业、兴趣和健康状态；技术上更重要是建立持续更新的记忆体系，识别不同信息变化规律和有效性 [31] - 用户表达新的与Memory Schema相关信息即可更新相应记忆，后续召回时需判断历史内容是否仍符合当前情况 [31] 五、主动服务：克制比主动更重要 - 主动提醒第一条原则是帮助用户而不是增加困扰，涉及授权第三方信息时首先要分清谁的情况及哪些信息明确、哪些仍有歧义 [32] - 主动服务优先选择需求明确、时间节点相对清晰的场景，如某些疾病康复过程中有明确复查或康复节点 [33] - 时机和内容需结合模型专业知识、事件关联关系及用户个人记忆；行为边界更多通过文本和语义表达，类似一套"产品宪法" [33] - 主动服务必须精准、克制，避免让用户觉得被过度干预 [34] - 比较明确的长期目标已能较好理解和跟进，如半年后跑马拉松并设定目标成绩；但"半年内升职"这类目标复杂得多，当前任务在多大程度上服务长期目标仍难可靠判断 [34] - 人的需求本身会变化，用户分享吃烧烤感觉开心时个人助理没必要立刻用训练目标纠正，需判断用户当下是寻求建议还是单纯分享生活 [34] - 孩子高考等长期复杂目标现阶段难完整管理，但可把具体环节做好，如分析高二数学试卷薄弱知识点、制定针对性学习计划，先稳定解决明确任务再逐步探索复杂长期目标管理 [35] 六、安全边界：Agent是助理不是本人 - 航班延误理赔案例中用户要求现金赔付，Agent未将代金券视为任务完成，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，体现复杂任务执行中的目标保持、路径调整和失败回溯 [6][36] - Personal Agent已形成模型、Harness和生态协同执行任务的体系，可通过系统工程增加必要检查和控制 [37] - 订机票场景中Agent可帮助查询、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需用户确认，系统在Skill中定义接口行为和交互条件再通过框架层面强约束形成双重保障 [37] - Agent始终以助理身份执行任务，需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 [37] 七、成本与速度：降本靠体系不靠单点技巧 - 用户使用时间越长历史信息越多，但不需要每次推理时全部放进模型上下文，千问对历史对话合理压缩，一部分抽取成个人记忆，近期内容根据当前任务进行Context筛选，记忆本身也是一种压缩方式 [38] - 模型侧采用模型路由、大小模型切换、缓存和推理优化等手段；Harness同样关键，不同Harness完成同一任务可能产生完全不同执行轨迹 [39] - Skill全部平铺给模型还是按功能分层组织、存在相似工具时如何让模型找到完成度更高的那个，都会影响执行效率 [39] - 千问与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重试，将常见执行模式沉淀为Skill避免每次重新规划整个流程 [39] - 通过上下文压缩包括从历史对话提取记忆、筛选短期Context、精简工具和Skill信息，过去一段时间千问相关任务上下文规模降低约40% [39] - 可能出现执行成本高于任务收益的情况，但长期看模型推理成本将继续下降，Harness和工具体系优化也能减少Token消耗，随着单步骤成功率提高、执行路径缩短，完成同类任务所需计算资源预计显著降低 [40] 八、留存与商业化：拼上限能吸引尝鲜，守住下限才能留住用户 - 新Agent产品往往能展示AI能力上限引发关注和尝鲜，但面向大众长期提供服务产品能力下限必须足够高，如用户知道Agent能订票就会预期大部分订票任务稳定完成 [41] - 很多场景需求频率不高，但只要用户形成稳定预期需要时就会回来使用，财经、教育、医疗等领域也有类似特点 [41] - 过去三个月千问Agent用户单个任务的平均Token消耗量约为此前的1.6倍，反映用户正在尝试更复杂的任务 [41] - 用户使用AI首先希望解决具体问题，以任务完成为核心的功能更有利于留存，千问目前更聚焦这一方向；情感陪伴也有价值但Personal Agent首先需把用户交付的事情处理好 [42][43] - 阿里做Personal Agent优势首先是生态，拥有较丰富电商、本地生活等服务体系，已有成熟工具和Skill可完成的环节直接调用通常比让模型重新推理更高效、任务成功率更有保障 [44] - 第二是模型与应用协同，千问基模持续发展，围绕C端Personal Agent开展大量需求挖掘、数据对齐、原子能力定义和后训练工作，实际产品更需关注具体场景稳定性、服务效率和任务完成率 [44] - 第三是长期积累的专业知识和行业工具，生态覆盖集团内部服务及医疗、教育、财经等领域专业知识库、Skill和第三方服务 [44] 九、终局：不要神化Personal Agent - 今天还不能过度神化Personal Agent，行业仍处比较早期阶段，现阶段更重要是稳定完成目标清晰、可验证结果的具体任务 [45] - 现实中很多需求包含大量没有明确表达的条件，如规划旅行用户可能默认酒店位置、预算、天数和交通偏好但Agent并不了解，条件不充分规划结果容易偏离预期 [45] - 当任务目标、约束和验收要求比较清楚时Agent通常完成得更好，未来随着个人记忆、专业知识和生态服务完善才有条件进一步理解更复杂长期需求 [45] - 未来半年个人记忆及Context相关技术会迎来一次跃迁，记忆技术继续解决怎样准确理解个人和组织长期信息及在不同任务中合理调用上下文 [46] - 生态方面，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，更多分散能力有望逐渐形成完整执行链路 [46] - 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用户做已知的繁重工作，结合用户已有资料、专业知识和工具补上知识缺口；第二是适时主动帮助发现用户遗漏环节，期待体验不只出现在App里也能延伸到汽车、具身智能等载体 [48] - 最期待生活中的复杂问题有更好用解决方式，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，边界不明确却消耗大量时间精力，若Personal Agent能结合模型专业能力、个人记忆和真实服务生态帮助解决则可能创造更大价值 [49] - 更进一步是让个人助理适时主动提供服务，直接说就是要么帮用户挣钱要么帮用户省钱 [50]