在 2026 年 10 月 22 日舉行的中國計算機大會上，阿里巴巴千問 AI 演算法負責人蔣冠軍分享了 Personal Agent（個人智能體）的技術架構。這套架構以模型、記憶與生態為三大支柱，目標是讓 AI 不只回答問題或完成明確指令，還能理解個人脈絡、圍繞目標規劃行動，並適時提醒使用者可能尚未留意的需求。23

從聊天、執行任務到個人助理

蔣冠軍將 AI 應用的發展分成三個階段：對話、代理、助理。對話型 AI 以交流為主；代理（Agent）能執行指定任務；助理則進一步結合專業知識與個人背景，依照使用者目標規劃並執行，也可能主動發現使用者忽略的需求。3

他認為，個人智能體處理日常工作、學習與生活問題的理論上限接近 100%。但這是對技術潛力的描述，不是目前系統已達到的解題率。要接近這個目標，關鍵不在一味增加功能，而在於為不同問題找到合適的能力與解決路徑。1

三大支柱各自負責什麼？

1. 模型：把任務穩定做好

千問表示，團隊建立了涵蓋 30 多個主要產業的使用者需求圖譜，並將需求拆解為 8,000 多項細部的模型能力要求；同時邀請產業專家參與評估與優化，希望提升模型理解真實需求、處理複雜任務的能力與穩定性。1

換句話說，重點不只是回覆聽起來流暢，也包括能否弄清楚使用者要解決什麼問題，並可靠地完成工作。1

2. 記憶：記得有用的關聯，而非累積整本對話

個人助理若要長期理解使用者，就得善用過往資訊。但若只是把每次對話不加整理地累積起來，可能帶來雜訊，也增加推理成本。蔣冠軍表示，千問的做法是分析事件之間的關聯，並依關聯強弱分層儲存、調用記憶，讓系統在當下需求出現時，找出真正相關的背景。1

例如，若長者曾提過自己的退休金情況，AI 可在日後討論子女求職時，將這些家庭背景納入考量，提供更貼近處境的建議。重點是連結不同話題中有用的資訊，而不是每次都從零開始，或不分輕重地回想所有內容。1

3. 生態：把知識與工具接到服務上

生態層負責連結模型以外的專業知識與實際服務。相關報導指出，千問正建構以模型為中心的開放服務體系，整合專業知識、工具、產業技能（Skills）及第三方智能體，並連結電商、本地生活、醫療與教育等領域。3

這一步之所以重要，是因為有些需求光靠生成一段回答並不足夠，還需要專業能力、工具或外部服務協助完成。相關報導也提到，模型能力與 Harness 技術持續發展，生態中的連結與協作將是個人智能體的重要環節。2

三者如何協作，讓助理採取行動？

可以把整套流程理解為：**記憶提供相關的個人背景，模型判斷需求並規劃處理方式，生態再提供所需的專業知識、工具或服務。**蔣冠軍強調，真正的難題是讓三者有效協作，依照問題選出合適的解決路徑，而不只是把能力一項項堆上去。13

報導以持續追蹤復健安排，以及在理財過程中提醒風險，說明這種主動服務可能的發展方向。1不過，這些例子是對架構應用方式的描述，並不能據此認定相關服務已全面推出，或其可靠性已經過實測。

技術方向不等於已全面落地

「接近 100%」指的是理論上的問題解決上限，而非已公布的實際表現；同樣地，提出開放生態與主動助理的方向，也不代表所有整合服務都已經上線。13

另一項產品消息提到，千問 Go! 的「我的應用」功能已開放邀請測試。使用者可以用自然語言描述需求，建立工作、學習或生活用途的應用。這是目前報導提及的產品案例之一，但不能單憑此功能，就說完整的 Personal Agent 願景已經實現。3

千問這套架構的核心，不是讓 AI 多聊幾句，而是把可靠執行、個人脈絡記憶，以及連結專業能力與外部服務的生態串在一起，讓 AI 有機會從「回答問題」走向「協助完成事情」。13

在 2026 年 10 月 22 日舉行的中國計算機大會上，阿里巴巴千問 AI 演算法負責人蔣冠軍分享了 Personal Agent（個人智能體）的技術架構。這套架構以模型、記憶與生態為三大支柱，目標是讓 AI 不只回答問題或完成明確指令，還能理解個人脈絡、圍繞目標規劃行動，並適時提醒使用者可能尚未留意的需求。23

從聊天、執行任務到個人助理

蔣冠軍將 AI 應用的發展分成三個階段：對話、代理、助理。對話型 AI 以交流為主；代理（Agent）能執行指定任務；助理則進一步結合專業知識與個人背景，依照使用者目標規劃並執行，也可能主動發現使用者忽略的需求。3

他認為，個人智能體處理日常工作、學習與生活問題的理論上限接近 100%。但這是對技術潛力的描述，不是目前系統已達到的解題率。要接近這個目標，關鍵不在一味增加功能，而在於為不同問題找到合適的能力與解決路徑。1

三大支柱各自負責什麼？

1. 模型：把任務穩定做好

千問表示，團隊建立了涵蓋 30 多個主要產業的使用者需求圖譜，並將需求拆解為 8,000 多項細部的模型能力要求；同時邀請產業專家參與評估與優化，希望提升模型理解真實需求、處理複雜任務的能力與穩定性。1

換句話說，重點不只是回覆聽起來流暢，也包括能否弄清楚使用者要解決什麼問題，並可靠地完成工作。1

2. 記憶：記得有用的關聯，而非累積整本對話

個人助理若要長期理解使用者，就得善用過往資訊。但若只是把每次對話不加整理地累積起來，可能帶來雜訊，也增加推理成本。蔣冠軍表示，千問的做法是分析事件之間的關聯，並依關聯強弱分層儲存、調用記憶，讓系統在當下需求出現時，找出真正相關的背景。1

例如，若長者曾提過自己的退休金情況，AI 可在日後討論子女求職時，將這些家庭背景納入考量，提供更貼近處境的建議。重點是連結不同話題中有用的資訊，而不是每次都從零開始，或不分輕重地回想所有內容。1

3. 生態：把知識與工具接到服務上

生態層負責連結模型以外的專業知識與實際服務。相關報導指出，千問正建構以模型為中心的開放服務體系，整合專業知識、工具、產業技能（Skills）及第三方智能體，並連結電商、本地生活、醫療與教育等領域。3

這一步之所以重要，是因為有些需求光靠生成一段回答並不足夠，還需要專業能力、工具或外部服務協助完成。相關報導也提到，模型能力與 Harness 技術持續發展，生態中的連結與協作將是個人智能體的重要環節。2

三者如何協作，讓助理採取行動？

可以把整套流程理解為：**記憶提供相關的個人背景，模型判斷需求並規劃處理方式，生態再提供所需的專業知識、工具或服務。**蔣冠軍強調，真正的難題是讓三者有效協作，依照問題選出合適的解決路徑，而不只是把能力一項項堆上去。13

報導以持續追蹤復健安排，以及在理財過程中提醒風險，說明這種主動服務可能的發展方向。1不過，這些例子是對架構應用方式的描述，並不能據此認定相關服務已全面推出，或其可靠性已經過實測。

技術方向不等於已全面落地

「接近 100%」指的是理論上的問題解決上限，而非已公布的實際表現；同樣地，提出開放生態與主動助理的方向，也不代表所有整合服務都已經上線。13

另一項產品消息提到，千問 Go! 的「我的應用」功能已開放邀請測試。使用者可以用自然語言描述需求，建立工作、學習或生活用途的應用。這是目前報導提及的產品案例之一，但不能單憑此功能，就說完整的 Personal Agent 願景已經實現。3

千問這套架構的核心，不是讓 AI 多聊幾句，而是把可靠執行、個人脈絡記憶，以及連結專業能力與外部服務的生態串在一起，讓 AI 有機會從「回答問題」走向「協助完成事情」。13