在2026年10月22日举行的中国计算机大会上，阿里巴巴千问事业部AI算法负责人蒋冠军介绍了个人智能体（Personal Agent）的技术框架：模型、记忆与生态。这套框架希望推动AI从回答问题、完成明确指令，走向理解个人背景、围绕目标规划行动，并在适当时候主动提供帮助。23

关键不只是给AI增加更多能力，而是让它能判断：面对眼前的问题，应该调用什么能力、走哪条解决路径。蒋冠军将个人智能体解决日常工作、学习和生活问题的理论上限描述为接近100%；这是一种理论愿景，并非已实现的成功率。1

AI如何从聊天走向个人助理

蒋冠军把AI应用的发展概括为三个阶段：对话、代理、助理。对话侧重交流；代理能够执行用户指定的任务；助理则进一步结合专业知识和个人上下文，围绕用户目标进行规划与执行，也可能发现用户尚未留意到的需求。3

因此，个人助理的核心不只是“听懂一句话”，而是把个人情况、专业判断和实际执行连接起来。要做到这一点，千问提出由模型、记忆和生态共同支撑。13

三大支柱分别做什么

模型：把任务做得更稳定

千问称，团队绘制了覆盖30多个头部行业的用户需求图谱，并将这些需求拆解为8000多项原子模型能力要求；同时邀请行业专家参与模型评估与优化，以提升模型理解真实需求、稳定完成复杂任务的能力。1

这套做法强调的不只是回答是否流畅，还包括模型能否准确把握需求，并可靠地完成任务。1

记忆：关联有用的过往信息

个人智能体需要在较长时间里理解用户，但把所有聊天记录一味累积起来，可能带来信息噪声和额外推理成本。蒋冠军介绍，千问的思路是分析不同事件之间的关联，再按关联强弱分层存储和调用信息，让系统在处理当前需求时取用相关背景。13

例如，老人过去提到的养老金情况，可能与其孩子正在求职相关。记忆机制的目标，是在合适的时候把这些信息联系起来，提供更贴合家庭处境的建议，而不是把每次对话当作互不相关的片段。1

生态：把建议连接到工具与服务

生态负责将模型的判断与实际可用的知识、工具和服务连接起来。相关报道提到，千问正在构建以模型为中心的开放服务体系，整合专业知识、工具、行业技能和第三方智能体，并连接电商、本地生活、医疗、教育等领域的能力。23

这一步很重要：有些需求并非给出一段文字建议就能解决，还可能需要专业知识、外部工具或服务支持。报道也将模型能力与Harness技术的发展，视为提升生态连接和协作能力的背景之一。2

三者如何配合

可以把这套框架理解为一条协作链：**记忆提供相关个人背景，模型判断需求并规划路径，生态提供执行所需的专业能力、工具或服务。**蒋冠军强调，真正的难点不是简单堆叠功能，而是让这些能力针对不同问题有效配合。13

持续关注康复安排及其对日常生活的影响、在理财过程中提醒用户留意风险，是报道提到的主动服务示例。1这些例子说明了框架设想的方向，但并不能据此认定相关服务已经普遍上线，或其可靠性已得到验证。

框架愿景与产品进展要分开看

报道还提到，千问个人AI助理“千问Go!”的“我的应用”功能已开启邀测。用户可以用自然语言描述需求，搭建面向工作、学习或生活场景的应用。3这是一个产品进展的例子，但不等于完整的个人智能体愿景已经实现。

现阶段，这套框架表达的是一种技术方向：让模型可靠执行任务，让记忆找回真正相关的个人信息，再由生态把规划连接到外部能力。至于它能否在更多真实场景中稳定做到主动发现需求并提供帮助，仍需与理论愿景区分来看。13

在2026年10月22日举行的中国计算机大会上，阿里巴巴千问事业部AI算法负责人蒋冠军介绍了个人智能体（Personal Agent）的技术框架：模型、记忆与生态。这套框架希望推动AI从回答问题、完成明确指令，走向理解个人背景、围绕目标规划行动，并在适当时候主动提供帮助。23

关键不只是给AI增加更多能力，而是让它能判断：面对眼前的问题，应该调用什么能力、走哪条解决路径。蒋冠军将个人智能体解决日常工作、学习和生活问题的理论上限描述为接近100%；这是一种理论愿景，并非已实现的成功率。1

AI如何从聊天走向个人助理

蒋冠军把AI应用的发展概括为三个阶段：对话、代理、助理。对话侧重交流；代理能够执行用户指定的任务；助理则进一步结合专业知识和个人上下文，围绕用户目标进行规划与执行，也可能发现用户尚未留意到的需求。3

因此，个人助理的核心不只是“听懂一句话”，而是把个人情况、专业判断和实际执行连接起来。要做到这一点，千问提出由模型、记忆和生态共同支撑。13

三大支柱分别做什么

模型：把任务做得更稳定

千问称，团队绘制了覆盖30多个头部行业的用户需求图谱，并将这些需求拆解为8000多项原子模型能力要求；同时邀请行业专家参与模型评估与优化，以提升模型理解真实需求、稳定完成复杂任务的能力。1

这套做法强调的不只是回答是否流畅，还包括模型能否准确把握需求，并可靠地完成任务。1

记忆：关联有用的过往信息

个人智能体需要在较长时间里理解用户，但把所有聊天记录一味累积起来，可能带来信息噪声和额外推理成本。蒋冠军介绍，千问的思路是分析不同事件之间的关联，再按关联强弱分层存储和调用信息，让系统在处理当前需求时取用相关背景。13

例如，老人过去提到的养老金情况，可能与其孩子正在求职相关。记忆机制的目标，是在合适的时候把这些信息联系起来，提供更贴合家庭处境的建议，而不是把每次对话当作互不相关的片段。1

生态：把建议连接到工具与服务

生态负责将模型的判断与实际可用的知识、工具和服务连接起来。相关报道提到，千问正在构建以模型为中心的开放服务体系，整合专业知识、工具、行业技能和第三方智能体，并连接电商、本地生活、医疗、教育等领域的能力。23

这一步很重要：有些需求并非给出一段文字建议就能解决，还可能需要专业知识、外部工具或服务支持。报道也将模型能力与Harness技术的发展，视为提升生态连接和协作能力的背景之一。2

三者如何配合

可以把这套框架理解为一条协作链：**记忆提供相关个人背景，模型判断需求并规划路径，生态提供执行所需的专业能力、工具或服务。**蒋冠军强调，真正的难点不是简单堆叠功能，而是让这些能力针对不同问题有效配合。13

持续关注康复安排及其对日常生活的影响、在理财过程中提醒用户留意风险，是报道提到的主动服务示例。1这些例子说明了框架设想的方向，但并不能据此认定相关服务已经普遍上线，或其可靠性已得到验证。

框架愿景与产品进展要分开看

报道还提到，千问个人AI助理“千问Go!”的“我的应用”功能已开启邀测。用户可以用自然语言描述需求，搭建面向工作、学习或生活场景的应用。3这是一个产品进展的例子，但不等于完整的个人智能体愿景已经实现。

现阶段，这套框架表达的是一种技术方向：让模型可靠执行任务，让记忆找回真正相关的个人信息，再由生态把规划连接到外部能力。至于它能否在更多真实场景中稳定做到主动发现需求并提供帮助，仍需与理论愿景区分来看。13