Kerangka Personal Agent Qwen memadukan model, memori, dan ekosistem agar AI berkembang dari percakapan dan pelaksanaan tugas menuju bantuan yang personal serta proaktif. Qwen menyusun peta kebutuhan dari lebih dari 30 industri menjadi lebih dari 8.000 kebutuhan kemampuan dasar, dengan pakar industri ikut mengevaluas...
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian

Create a landscape editorial hero image for this Studio Global article: What personal-agent framework did Jiang Guanjun, Alibaba Qwen’s AI algorithm lead, outline at CNCC 2026 in Chengdu on October 22, and how do. Article summary: Jiang Guanjun outlined a three-pillar Personal Agent framework—model, memory and ecosystem—intended to move Qwen beyond answering questions and completing requested tasks toward proactive, personalized assistance that cr. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
Pada Kongres Komputer Tiongkok 2026, 22 Oktober, Jiang Guanjun, penanggung jawab algoritma AI di unit Qwen Alibaba, memaparkan kerangka Personal Agent yang bertumpu pada tiga unsur: model, memori, dan ekosistem. Tujuannya adalah membawa AI melampaui sekadar menjawab pertanyaan atau menjalankan instruksi, menuju bantuan yang memahami konteks pribadi, merencanakan langkah sesuai tujuan pengguna, dan berpotensi mengenali kebutuhan yang belum disadari pengguna.2
3
Jiang membagi perkembangan aplikasi AI ke dalam tiga tahap: percakapan, agen, dan asisten. Tahap percakapan berfokus pada dialog; agen menjalankan tugas yang sudah ditentukan. Asisten melangkah lebih jauh: menggabungkan pengetahuan profesional dengan konteks pribadi, lalu merencanakan dan bertindak untuk mencapai tujuan pengguna. Dalam tahap ini, AI juga diharapkan bisa menangkap kebutuhan yang mungkin luput dari perhatian pengguna.3
Namun, gambaran itu merupakan arah yang ingin dicapai, bukan klaim bahwa sistem AI saat ini sudah mampu menyelesaikan hampir semua persoalan sehari-hari secara andal. Jiang menyebut batas teoretis Personal Agent untuk membantu urusan kerja, belajar, dan kehidupan sehari-hari mendekati 100%. Tantangan utamanya, menurut dia, adalah mencocokkan kemampuan sistem dengan jalur penyelesaian yang tepat untuk setiap persoalan.1
Qwen menyebut telah menyusun peta kebutuhan pengguna yang mencakup lebih dari 30 industri utama, lalu menguraikannya menjadi lebih dari 8.000 kebutuhan kemampuan dasar model. Pakar industri dilibatkan dalam proses evaluasi dan optimasi, dengan tujuan meningkatkan kestabilan model saat menangani tugas kompleks dan memastikan pengembangannya berpijak pada kebutuhan nyata pengguna.1
Fokusnya bukan semata-mata menghasilkan jawaban yang terdengar lancar. Model juga harus memahami kebutuhan pengguna dan menuntaskan tugas dengan andal.1
Personal Agent perlu memahami pengguna dari waktu ke waktu. Namun, kata Jiang, menumpuk seluruh riwayat percakapan begitu saja dapat menambah informasi yang tidak relevan sekaligus meningkatkan biaya inferensi. Pendekatan Qwen adalah mengenali hubungan antarperistiwa, lalu mengambil konteks yang berkaitan dengan permintaan saat ini.1
Contohnya, informasi tentang pensiun yang pernah disampaikan seorang lansia dapat menjadi konteks untuk memberi saran mengenai pencarian kerja anaknya. Intinya bukan mengingat setiap percakapan tanpa memilah, melainkan menghubungkan informasi yang relevan meski muncul dalam topik berbeda.1
Unsur ekosistem menjadi penghubung antara penalaran AI dan bantuan praktis. Laporan tentang rencana Qwen menyebut sistem layanan terbuka yang berpusat pada model, dengan integrasi pengetahuan profesional, alat, keterampilan industri, dan agen pihak ketiga. Cakupannya antara lain e-commerce, layanan lokal, kesehatan, dan pendidikan.3
Integrasi seperti ini penting karena sebagian tujuan tidak cukup diselesaikan dengan jawaban dari model. AI mungkin memerlukan keahlian khusus, alat, atau layanan eksternal untuk membantu menjalankan rencana. Laporan juga menyebut perkembangan kemampuan model dan harness—infrastruktur atau lapisan yang membantu mengatur penggunaan kemampuan AI—sebagai bagian dari upaya meningkatkan koordinasi dalam ekosistem tersebut.2
Kerangka ini dapat dibayangkan sebagai rangkaian yang saling mendukung: memori menyediakan konteks pribadi yang relevan; model memahami kebutuhan dan menyusun rencana; ekosistem menyediakan keahlian, alat, atau layanan untuk membantu menjalankannya. Menurut Jiang, menambah kemampuan saja tidak cukup. Sistem juga harus memilih dan mengoordinasikan kemampuan yang tepat untuk persoalan yang sedang dihadapi.1
3
Laporan menyebut dukungan berkelanjutan untuk pemulihan kesehatan serta pengingat risiko finansial sebagai contoh layanan proaktif yang mungkin dimungkinkan oleh koordinasi tersebut. Contoh-contoh itu menggambarkan arah yang diusulkan, tetapi tidak membuktikan bahwa layanan terkait sudah tersedia atau keandalannya telah diukur.1
Angka mendekati 100% adalah gambaran batas teoretis, bukan hasil kinerja yang dilaporkan. Begitu pula, rencana membangun ekosistem terbuka dan asisten proaktif tidak berarti seluruh integrasi atau layanan sudah tersedia saat ini.1
3
Salah satu contoh produk yang dilaporkan adalah fitur “Aplikasi Saya” di Qwen Go!, yang telah membuka uji coba terbatas melalui undangan. Pengguna dapat menjelaskan dalam bahasa sehari-hari aplikasi yang diinginkan untuk keperluan kerja, belajar, atau kehidupan sehari-hari.3 Ini menunjukkan salah satu bentuk penerapan yang dilaporkan, tetapi bukan bukti bahwa seluruh visi Personal Agent telah terwujud.
Gagasan utama kerangka ini, dengan demikian, bukan sekadar membuat AI lebih banyak mengobrol. Qwen menargetkan bantuan yang terkoordinasi: model yang mampu bertindak dengan andal, memori yang mengambil konteks pribadi yang tepat, serta ekosistem yang menghubungkan rencana dengan keahlian dan layanan.1
3
Studio Global AI
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Kerangka Personal Agent Qwen memadukan model, memori, dan ekosistem agar AI berkembang dari percakapan dan pelaksanaan tugas menuju bantuan yang personal serta proaktif.
Kerangka Personal Agent Qwen memadukan model, memori, dan ekosistem agar AI berkembang dari percakapan dan pelaksanaan tugas menuju bantuan yang personal serta proaktif. Qwen menyusun peta kebutuhan dari lebih dari 30 industri menjadi lebih dari 8.000 kebutuhan kemampuan dasar, dengan pakar industri ikut mengevaluasi dan mengoptimalkan model.[1]
Konsep memori menghubungkan konteks masa lalu yang relevan dengan kebutuhan saat ini, sementara alat dan layanan eksternal membantu menjalankan rencana.
Kerangka Personal Agent Qwen memadukan model, memori, dan ekosistem agar AI berkembang dari percakapan dan pelaksanaan tugas menuju bantuan yang personal serta proaktif. Qwen menyusun peta kebutuhan dari lebih dari 30 industri menjadi lebih dari 8.000 kebutuhan kemampuan dasar, dengan pakar industri ikut mengevaluas...
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian

Create a landscape editorial hero image for this Studio Global article: What personal-agent framework did Jiang Guanjun, Alibaba Qwen’s AI algorithm lead, outline at CNCC 2026 in Chengdu on October 22, and how do. Article summary: Jiang Guanjun outlined a three-pillar Personal Agent framework—model, memory and ecosystem—intended to move Qwen beyond answering questions and completing requested tasks toward proactive, personalized assistance that cr. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
Pada Kongres Komputer Tiongkok 2026, 22 Oktober, Jiang Guanjun, penanggung jawab algoritma AI di unit Qwen Alibaba, memaparkan kerangka Personal Agent yang bertumpu pada tiga unsur: model, memori, dan ekosistem. Tujuannya adalah membawa AI melampaui sekadar menjawab pertanyaan atau menjalankan instruksi, menuju bantuan yang memahami konteks pribadi, merencanakan langkah sesuai tujuan pengguna, dan berpotensi mengenali kebutuhan yang belum disadari pengguna.2
3
Jiang membagi perkembangan aplikasi AI ke dalam tiga tahap: percakapan, agen, dan asisten. Tahap percakapan berfokus pada dialog; agen menjalankan tugas yang sudah ditentukan. Asisten melangkah lebih jauh: menggabungkan pengetahuan profesional dengan konteks pribadi, lalu merencanakan dan bertindak untuk mencapai tujuan pengguna. Dalam tahap ini, AI juga diharapkan bisa menangkap kebutuhan yang mungkin luput dari perhatian pengguna.3
Namun, gambaran itu merupakan arah yang ingin dicapai, bukan klaim bahwa sistem AI saat ini sudah mampu menyelesaikan hampir semua persoalan sehari-hari secara andal. Jiang menyebut batas teoretis Personal Agent untuk membantu urusan kerja, belajar, dan kehidupan sehari-hari mendekati 100%. Tantangan utamanya, menurut dia, adalah mencocokkan kemampuan sistem dengan jalur penyelesaian yang tepat untuk setiap persoalan.1
Qwen menyebut telah menyusun peta kebutuhan pengguna yang mencakup lebih dari 30 industri utama, lalu menguraikannya menjadi lebih dari 8.000 kebutuhan kemampuan dasar model. Pakar industri dilibatkan dalam proses evaluasi dan optimasi, dengan tujuan meningkatkan kestabilan model saat menangani tugas kompleks dan memastikan pengembangannya berpijak pada kebutuhan nyata pengguna.1
Fokusnya bukan semata-mata menghasilkan jawaban yang terdengar lancar. Model juga harus memahami kebutuhan pengguna dan menuntaskan tugas dengan andal.1
Personal Agent perlu memahami pengguna dari waktu ke waktu. Namun, kata Jiang, menumpuk seluruh riwayat percakapan begitu saja dapat menambah informasi yang tidak relevan sekaligus meningkatkan biaya inferensi. Pendekatan Qwen adalah mengenali hubungan antarperistiwa, lalu mengambil konteks yang berkaitan dengan permintaan saat ini.1
Contohnya, informasi tentang pensiun yang pernah disampaikan seorang lansia dapat menjadi konteks untuk memberi saran mengenai pencarian kerja anaknya. Intinya bukan mengingat setiap percakapan tanpa memilah, melainkan menghubungkan informasi yang relevan meski muncul dalam topik berbeda.1
Unsur ekosistem menjadi penghubung antara penalaran AI dan bantuan praktis. Laporan tentang rencana Qwen menyebut sistem layanan terbuka yang berpusat pada model, dengan integrasi pengetahuan profesional, alat, keterampilan industri, dan agen pihak ketiga. Cakupannya antara lain e-commerce, layanan lokal, kesehatan, dan pendidikan.3
Integrasi seperti ini penting karena sebagian tujuan tidak cukup diselesaikan dengan jawaban dari model. AI mungkin memerlukan keahlian khusus, alat, atau layanan eksternal untuk membantu menjalankan rencana. Laporan juga menyebut perkembangan kemampuan model dan harness—infrastruktur atau lapisan yang membantu mengatur penggunaan kemampuan AI—sebagai bagian dari upaya meningkatkan koordinasi dalam ekosistem tersebut.2
Kerangka ini dapat dibayangkan sebagai rangkaian yang saling mendukung: memori menyediakan konteks pribadi yang relevan; model memahami kebutuhan dan menyusun rencana; ekosistem menyediakan keahlian, alat, atau layanan untuk membantu menjalankannya. Menurut Jiang, menambah kemampuan saja tidak cukup. Sistem juga harus memilih dan mengoordinasikan kemampuan yang tepat untuk persoalan yang sedang dihadapi.1
3
Laporan menyebut dukungan berkelanjutan untuk pemulihan kesehatan serta pengingat risiko finansial sebagai contoh layanan proaktif yang mungkin dimungkinkan oleh koordinasi tersebut. Contoh-contoh itu menggambarkan arah yang diusulkan, tetapi tidak membuktikan bahwa layanan terkait sudah tersedia atau keandalannya telah diukur.1
Angka mendekati 100% adalah gambaran batas teoretis, bukan hasil kinerja yang dilaporkan. Begitu pula, rencana membangun ekosistem terbuka dan asisten proaktif tidak berarti seluruh integrasi atau layanan sudah tersedia saat ini.1
3
Salah satu contoh produk yang dilaporkan adalah fitur “Aplikasi Saya” di Qwen Go!, yang telah membuka uji coba terbatas melalui undangan. Pengguna dapat menjelaskan dalam bahasa sehari-hari aplikasi yang diinginkan untuk keperluan kerja, belajar, atau kehidupan sehari-hari.3 Ini menunjukkan salah satu bentuk penerapan yang dilaporkan, tetapi bukan bukti bahwa seluruh visi Personal Agent telah terwujud.
Gagasan utama kerangka ini, dengan demikian, bukan sekadar membuat AI lebih banyak mengobrol. Qwen menargetkan bantuan yang terkoordinasi: model yang mampu bertindak dengan andal, memori yang mengambil konteks pribadi yang tepat, serta ekosistem yang menghubungkan rencana dengan keahlian dan layanan.1
3
Studio Global AI
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Kerangka Personal Agent Qwen memadukan model, memori, dan ekosistem agar AI berkembang dari percakapan dan pelaksanaan tugas menuju bantuan yang personal serta proaktif.
Kerangka Personal Agent Qwen memadukan model, memori, dan ekosistem agar AI berkembang dari percakapan dan pelaksanaan tugas menuju bantuan yang personal serta proaktif. Qwen menyusun peta kebutuhan dari lebih dari 30 industri menjadi lebih dari 8.000 kebutuhan kemampuan dasar, dengan pakar industri ikut mengevaluasi dan mengoptimalkan model.[1]
Konsep memori menghubungkan konteks masa lalu yang relevan dengan kebutuhan saat ini, sementara alat dan layanan eksternal membantu menjalankan rencana.