第一时间实测千问Agent：让AI链接服务有了初始态

作者｜Yoky
微信｜yokyliu617

AI走到今天，模型够聪明了。你让它写代码、做分析、编段子，基本都能交活。但你让它帮你办一件真事，订个机票、看看持仓该不该调、找个靠谱的月嫂就卡住了。

问题不在于它不会理解你的需求，而在于它还很难真正进入现实世界的流程。

过去一年，很多人试图用一种“绕过去”的办法解决这个问题：让AI像人一样操作软件，但这大幅度依赖于技术实现，如今并不稳定。

所以另一个方向开始变得更重要：不是让AI去“模仿人”操作世界，而是让服务本身主动接入AI。

8月10日，千问开放平台正式上线，首批接入盈米基金、飞常准、天鹅到家等十几家生态伙伴，AI有了更多直接调用真实世界服务的能力。

我们在第一时间进行了实测，发现相比让AI学会操作每一个App，千问这次验证的是一条看起来更麻烦、但实际上更现实的路径。

1

Agent从搜索走向办事，差的是什么？

在真实生活里，哪些需求是你明明存在，但现有互联网产品很难直接解决的？

第一类，是高度个性化的服务需求。

很多服务行业到今天还得靠人工客服一轮轮沟通，原因很简单：需求本身太难标准化。找月嫂就是典型场景。

你真正的需求，往往没法被一个搜索词概括。我把这个场景扔给了天鹅到家的Agent：

我是头胎，预产期10月中旬，坐标北京。情况比较特殊：我婆婆很强势，一定要来"指导"月子，所以我需要一个性格有主见、能用专业知识说服老人的月嫂，不能是那种唯唯诺诺的。另外我有甲状腺问题在吃优甲乐，月子餐需要懂特殊体质的搭配。预算2万左右，通乳催乳可以另外付。帮我看看：1）这个预算在北京能找到符合条件的吗；2）一般什么时候预约不会被抢光；3）面试月嫂的时候我应该问哪些关键问题来判断她是不是真的有主见。

“北京 月嫂 2万”当然能搜出一堆结果，但“婆婆强势、雇主有甲状腺问题、用户需要的是一个既懂护理又能扛住家庭压力的人。这些细节，过去只能跟顾问在电话里聊三四轮。

千问里天鹅到家Agent没有直接甩给我一个月嫂列表。它先判断预算：2万在北京大概卡在中高级月嫂区间，够用但不宽裕。然后提醒时间：8月已经是锁定10月档期的最后窗口期，9月再找就很可能只能捡漏。

更有意思的是，它针对“甲状腺+强势婆婆”这个组合，给了5道面试题。问题不是“你做了几年月嫂”这种套话，而是直接进入真实冲突：“婆婆坚持不开窗、不洗澡、喝浓汤，你怎么处理？”“产妇吃了和优甲乐间隔不够的十字花科蔬菜，你怎么办？”

一轮对话下来，预算判断、时间提醒、面试策略、具体推荐都给到了，至少节省了3通电话沟通的时间。

第二类，是需要个人化诊断的复杂决策，尤其是在用户自己并不完全弄懂的领域。

比如说理财顾问。在网上搜“我的基金组合怎么样”，得到的大概率是“建议分散投资”“注意风险控制”这种正确但没用的话。真正帮你看持仓、指出问题、告诉你该怎么调的服务，以前更接近私人银行或投顾客户才能拿到的东西。

我用盈米基金的“且慢小顾”测了一个组合：

我的持仓：30%天弘中证银行ETF连接C，25%嘉实中证500ETF连接C，25%国泰中证钢铁ETF连接C，20%财通中证香港红利等权C。最近一个月总收益还没跑赢余额宝，我有点慌。帮我分析：1）这个组合的行业集中度是不是太高了；2）这几只之间相关性怎么样，会不会跌的时候一起跌；3）如果想降低波动但保持差不多的收益预期，具体怎么调——调哪只、换成什么、比例怎么分。

比较惊喜的是它第一步没有急着分析，而是先纠错。它发现组合里的“财通中证香港红利等权C”在2023年已经清算退市，于是直接提示这只基金不存在了。

然后它按剩下三只基金重新计算比例，联网取数，再给出诊断：银行和钢铁两个强周期行业合计占比接近69%，相关性太高，市场下行时容易一起跌。最后的调仓建议也落到了操作层面：清掉钢铁，换入债券和宽基，降低组合波动。

最后还有我们最常见的一类，是实时信息分散但需要最终判断的场景。

比如说出行决策就是这种。延误率在一个App里，转机时间在另一个App里，航站楼动线要自己查，联程保护政策可能还得翻航司官网。信息不是没有，但散在五六个地方。最后“这个方案能不能走”“要不要改签”，还是得你自己判断。

我用千问里的飞常准测了一个国庆转机方案：上海飞成都，再从成都转拉萨，中间只有2小时15分钟，时间是10月3日返程高峰。

它把几个原本分散的信息拉到了一起：成都天府机场两个航站楼之间转场大概要30到45分钟；如果是同票号，有联程保护，分开买则没有；国庆高峰期运行压力更大，延误风险更高。

最后它给出的结论很明确：这个方案容错太小，误机风险偏高，建议把第一程改到更早的航班，至少留出3到4小时缓冲。这一步很重要。它提供的不只是航班信息，而是一个明确的行动建议：这个方案最好改。

1

生态才是AI办事的入口

前面三个实测放在一起看，能看到一个变化：把现行服务生态搬到AI上，是有可能性的，而且已经具备初步可用性。

这也是千问开放平台真正值得看的地方。千问模型开源解决的是底层能力问题：AI能不能更聪明，能不能被更多人用起来。开放平台解决的是另一层问题：聪明的AI怎么接上真实世界。

所以开放平台做的，不是再造一个聊天入口，而是让已有行业能力进入AI。航旅、基金、家政这些原本分散在不同App、客服、顾问和官网里的服务，被封装成AI可以调用的能力。

现在还只是第一步：用户主动找到某个Agent，说出需求，由Agent完成响应。体验上，相当于从“在五六个App之间跳来跳去”，变成“在一个AI入口里用自然语言办事”。

下一步才更关键：AI自己判断该调用哪个子Agent。当用户提出“我下周去成都出差”，它自动拆出航班、酒店、天气、日历、报销标准，再分发给不同Agent处理，最后串成一个方案。

但智能调度的前提，是生态先搭起来。真实世界本来就不是一个统一接口，它由一个个行业系统组成。千问这次验证的价值在于，它开始把这些系统接进AI。

先让AI有手有脚，再让它学会什么时候该动手。这个顺序，可能才是Agent从搜索走向办事的现实路径。

点个“爱心”，再走 吧