千问 Go 智能体拆解:8000 项原子能力、记忆体系与 40% 上下文压缩
机器之心 · wechat · 2026-11-05
机器之心对谈千问事业部 AI 算法负责人蒋冠军,拆解千问邀测中的 Personal Agent「千问 Go!」技术框架。
三大核心:模型、记忆、生态。 围绕 30 多个行业建立需求透视图,拆解出 8000 多个模型原子能力,通过后训练与强化学习提升任务稳定性。典型案例:帮用户争取航班延误理赔时,Agent 坚持用户要现金赔偿的目标,拒绝代金券方案,最终获赔 70 元现金。
记忆设计:强调「需求驱动」——不是多存,而是从怎么用反推记什么;召回按事件关联与因果判断,信息可更新、可失效。
工程优化:通过模型路由、Skill 分层组织与上下文压缩(历史提炼为记忆、短期按任务筛选),相关任务上下文规模降低约 40%。主动服务尚处早期,先做康复复查等节点明确的提醒;未来方向是生活场景(买房、教育等),「要么帮用户挣钱,要么帮用户省钱」。
「编程与Agent」频道最新
- Gemini 4 Hydrogen 56 秒建完 3D 沙漠牧场，3.8 Flash 要 6 分钟 — minchoi · 2026-11-13
- Carbon 编排 Hydrogen 集群，45 分钟造出会自录 demo 的绯红飞蛾 — minchoi · 2026-11-13
- 30 分钟搭出可开门开冰箱的 3D 交互餐厅，Hydrogen 又秀新案例 — minchoi · 2026-11-13
- AI 响应慢别怪模型:流式输出+进度展示是留住用户的关键 — XxFreakhawkxX · 2026-11-13
- 用 LLM 事后核查 HN 评论预测准确率，创业者称数据库全开放即可做 — Darpinian · 2026-11-13
- ArtCraft 用 AI 复刻 Photoshop：日下载 170 万，开源社区 4000 人 — Latent Space · 2026-11-13