阿里千问团队指出，Personal Agent 已进入从功能演示转向长期可靠服务的产品化攻坚期，核心挑战在于缩小理论能力与实际交付能力的差距，确保执行稳定性。 www.fixhdd.cn
实际交付能力与理论上限的差距
尽管 AI 能够自主完成复杂任务的演示，但实际交付能力仍存在显著差距。阿里千问事业部 AI 算法负责人蒋冠军表示，当前 Personal Agent 解决一般工作、学习和生活问题的理论能力上限接近 100%，而系统实际交付能力目前仅为 60%～70%[InfoQ 报道]。这种差距主要源于模型在首次执行任务时，常因工具选择、信息获取或执行路径不当而失败。
www.fixhdd.cn
提升稳定性的技术路径
为解决上述问题，千问采取了以下策略：
www.fixhdd.cn
- 需求反向拆解：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，并拆解成 8000 多项原子模型能力要求，以此补齐短板。
- 模型与 Harness 深度耦合：强调模型、记忆、工具和生态的紧密配合。通过 Harness 层优化，在部分场景中可减少约 40% 的 Token 消耗，在金融等专业场景可将回复效果提升接近 20%。
- 分工协作：确定性工具或专业 Skill 解决的问题不依赖模型即兴推理；模型重点承担理解、规划、推理及失败后的重新规划。
记忆体系与主动服务边界
千问在记忆设计上从用户需求反推应记住什么，通过分析事件关系构建持续更新的“个人状态模型”。在主动服务方面，千问倾向于让 Agent 以“助理”身份行动，涉及支付、订单确认等高风险操作时仍需用户授权，强调“克制比主动更重要”。
www.fixhdd.cn
生态建设与未来展望
蒋冠军判断，不健全的生态体系将成为 Personal Agent 发展的最大阻碍。千问正通过接入第三方服务（如瑞幸、东航）及沉淀专业 Skill 来扩大生态。据团队披露，在较深度用户群体中，Agent 类需求与即时对话类需求的比例已达到约 1:3，主动订阅和推送类服务占比约 15%[InfoQ 报道]。 技王数据恢复
技术审核：邓严军｜技王数据恢复实验室技术总监
www.fixhdd.cn
