千问这次，没急着让AI调用一切

8月10日，千问APP迎来了一个大改版，引入了多个“能办事”的AI智能体。

在中国AI发展的语境中，“智能体”过往往往被指代那些基于系统提示词微调的对话助手。

而今次千问APP批量上线的多款AI智能体，从我的使用体验来看，内置了MCP权限，可以调用不同服务商的远端数据，未来结合长期记忆，其实已经是“轻Agent”模式。

更重要的是，这次千问APP并未将智能体完全隐藏在对话框背后，而是给了每个智能体独立的入口。至少在当下，这种设计既能帮助用户更准确地表达意图，也给合作方保留了展示服务、验证需求的空间。

手机AI助手依然是核心入口

过去半年，伴随整个AI产业对“编程”的格外重视，以Claude Code为代表的桌面编程软件成为大行其道的范式，通过AI操控你的代码、你的桌面、你的文件夹乃至电脑上的一切，也成为了最性感时髦的潮流，桌面Agent俨然成为大模型的最佳乃至唯一代言人。

但我并不这么认为，尤其是当我下沉与许多普通人交流之后。

过去一段时间里，给上海许多基层街道、委办局的公务员做过许多场关于AI赋能的培训，深深了解当下普通人的AI应用渗透率，也知道普通人在办公中用AI的痛点。

是的，不是所有打工人都能在自己的办公电脑上随便安装软件；不是所有人离开办公室后，家里都有笔记本或台式电脑。

手机，对许多人而言，是他们唯一可以24小时触达AI的入口，而类似千问、元宝、豆包，依然是他们使用AI的核心软件。

如果我们相信AI应当让所有人受益，而不是局限在少数精英人群中，那么手机依然是AI战略性的入口。

更重要的是，许多人对手机上的AI助手，还停留在对话阶段，至多是以前等一段文字回复，如今改成做个图，给一段视频。

但如果你修改一下提示词，就会发现现在的AI手机助手们，其实早就悄然蜕变成“轻Agent”了，除了回答问题，能做很多主动的操作。比如下图就是一个很简单的示例，当你让千问搜索上海的天气预报并输出Excel时，它能轻松完成任务。

下图就是Excel打开的效果，绿色配色，非常符合我的预期，美观度很高——而这一切，千问APP上就能完成。

如果是专业玩家，在电脑上拆解这个Excel就会发现，是由Python下的openpyxl库生成——这是需要Agent去驱动的，这就说明了千问APP内置了Agent的基本功能。

当然，之所以我将千问APP称之为“轻Agent”，就在于它的功能是基于预设的。比如你让它装一个Python下的matplotlib绘图软件画图，就做不到。

但考虑到全功能Agent，尤其是Python环境之类安装等，响应速度和Token消耗都是问题，手机上提供有限的Agent环境，覆盖绝大多数普通人*(是的，matplotlib画图显然不是普通人的需求)*，在“更多办事能力“和”足够快的响应”之间取得平衡是当下的务实之选。

但即使如此，也大大提升了千问APP的价值。

比如许多人会遇到的要在手机上修改Word或Excel文件，你完全可以通过将待填写的文档和需要填写的资料发给千问，它就会远程在“轻Agent”环境下完成填写，并返还给你填写后的文档。

千问的智能体不一样

正因为千问APP已经内置了“轻Agent”环境，所以当其推出智能体时，可以实现诸多以往比较难实现的工作。

作为金融投资者，我比较关注的是盈米基金和贝壳两个智能体。

盈米基金，是老朋友了。他们去年推出AI调用的MCP时，我就是首批内测用户。所以这次有幸获得千问APP智能体内测资格时，自然要率先体验一下千问APP下的盈米基金。

相比当年要自己在软件中配置MCP，千问APP下的体验就要好太多了，只需要输入账号及验证码，就自动完成链接可以随时提问了。

下面是一个很有趣的提问，我想知道8月5日，我的且慢账户里面，哪个基金让我亏钱最多。如果你是且慢APP*(盈米旗下的基金第三方平台)*的用户，你会知道这个问题的含金量。

和其他第三方基金平台不同，且慢基金支持非常强大的多层账户体系，比如我可以先为不同的目标设置不同的子账户，然后在子账户下，既可以直接买单只基金(即上面的基金自助交易)，也可以在某个组合(如上面的Earl爱金融)中持有基金。

这意味着最复杂的情况下，会存在子账户→组合→单只基金的三层架构，而且一只基金可能同时被多个基金组合、多个子账户持有。

作为且慢APP的用户，如果我要完成上面这个工作，近乎于不可能。

因为我的“且慢”里面至少有四五个子账户，可能又会涉及到五六个组合，每个组合下面可能又有十几二十只基金。除非我将这些数据全部导出合并，我才能真正地知道今天哪只基金让我亏钱最多。

但是有了千问APP下的盈米智能体，有了后端接口的支持，传统APP中近乎无法实现琐碎功能，却因为千问APP变得易如反掌。

又比如，我还试了下“贝壳找房”的智能体。

类似买房推荐、租房推荐，这些功能其实没什么挑战性，就和去年火热的AI旅行规划差不多。为了考验智能体跨功能的整合功能，我让它查询我家附近的某个小区(瑞虹六期)的二手房和租房价格，来计算租售比。

从上图可以看到，因为我之前问过贝壳另一个小区70-90平米的房子，所以它有上下文的参考，会优先查询这个尺寸的房子，在找不到后再扩展其他尺寸，并计算。

租售比这种数据，计算从来琐碎而麻烦，需要找二手房价格和出租价格，还要做户型匹配，然后再计算。

但这的确就是智能体的优点，能够自动汇总计算，省去了许多繁琐的工作。

从下图可以看到，千问APP还能输出可以直接导入Excel的TSV格式，方便数据查验和进一步计算。从测试来看，目前智能体的环境，还不支持直接操控Excel和Word，很期待未来能加上，那功能就会强大许多。

两套入口，各有千秋

目前，千问APP的智能体，有两套入口。

一套，是右上角四个方块进入。

另一套，则是在普通的对话窗口@ 盈米基金提问。

这两套入口在具体的行为上表现略有不同：

1. 通过右上角的智能体进入：只有完成了和自己账户的连接，才能查询类似于“昨天亏了多少钱”、“账户净值多少”的个性化问题。
2. 在普通对话窗口 @盈米基金：那只能查询一些宽泛的问题。

就个人而言，其实更偏爱右上角的智能体入口，不仅在于其功能更强大，而且更精准。如果你在桌面 Agent 上装过，尤其是把玩过大量的 skill，你就会发现：虽然通过大模型自动判断用户意图、自动进行 skill 匹配在智能化上确有优势，但问题在于，一旦 skill 的数量增加，尤其是当 skill 的描述文件写得不够精准时，往往会出现 Agent 无法准确判断执行哪个 skill 的问题。

给每一个智能体单独的入口，看上去这个行为并不智能，但其实却是多了一道让用户暴露精准意图的筛选，反而可以让智能体返回的服务真正符合用户的本意。

Agent生态的现实解

当然，相比自主选择还是大模型智能选择的技术选型，其实我更在意的是：在当下这个阶段，独立入口能否让千问与更多合作伙伴一起，把智能体真正能解决什么问题探索清楚。

大模型如何为用户提供信息或服务？

目前呈现两种迥异的思路。

一种是中心化。即一个入口，完成所有的操作，并将最终信息直接返回。

比如如今你在谷歌搜索引擎上询问“微信公众号的slogan”是什么，谷歌会直接告诉你是：再小的个体，也有自己的品牌。虽然它会标记信息来源是一个叫“MBA智库资讯”的来源。但显然，绝大多数人不会再点击打开这个网站。

这一问题，在海外被称为“零点击搜索”（Zero-Click Search）困境。Omnibound(https://www.omnibound.ai/blog/zero-click-search-statistics)的综述显示：

在没有AI Overviews出现的情况下，传统搜索的零点击率约为六成左右。然而，一旦AI Overviews被触发，零点击率会飙升至83%；而在Google更为激进的纯AI模式（AI Mode）下，零点击率更是达到了93%。

在一项评估AI Overviews因果效应的随机对照现场实验中（Agarwal & Sen，2026年4月发表于SSRN的工作论文）：

研究人员发现AIO的存在使触发查询的外部有机点击量减少了38%，零点击率从54%跃升至72%。令人关注的是，实验中的用户在隐藏AIO后的满意度、自报信息质量及查找难度评分与对照组几乎完全一致。这表明AI摘要在很大程度上并未创造显著的新增体验价值，而是以直接替代外部网站访问为代价拦截了用户流量。

这引发了美国互联网内容出版商的访问量断崖式下降，Similarweb发布的《Publisher Search & AI Traffic Benchmark Report》显示：

在过去连续十二个月的追踪中，受监测出版商的月度有机访问量从23亿次断崖式下跌至不足17亿次，净流失超过6亿次访问。

内容网站面对AI搜索的今天，或许也提醒着所有AI平台：统一入口提升效率的同时，合作方的品牌、服务能力和用户关系，也可能被悄然弱化。

其实，都不用讨论明天。

光光是今天的微信公众号生态，许多流量被算法推荐分配，而不是传统微信公众号以订阅+时间信息流分配，其实已经导致许多独特、不从众的公众号更难被看见，信息流里面反而充满了AI生成甚至低质量的内容。

这也是我对微信“小微”统一调用小程序的AI接口，并直接给出答案的担心——用户获得结果更快了，但如果内容和服务都被压缩成后台接口，合作方是否还有动力持续提供更好的产品？

所以，对于千问APP现阶段为每一个智能体准备独立入口，我是赞同的。不是因为这一定代表AI产品的终局，更不是说统一入口天然不好，而是它更匹配智能体生态尚在探索期的现实：用户可以主动选择服务，合作方也可以完整展示自己的能力，并在真实需求中寻找PMF。

而且从技术层面而言，独立入口意味着独立的上下文、专属记忆和客户关系，也能给予大模型更精准的信息，提升反馈质量。

我并不反对一个入口调用一切。

未来的大模型能力，或许会走向那里：自动理解意图，自动选择服务，甚至在用户意识到需求之前，就已经把事情办好。这种未来很诱人，技术层面或许也不可阻挡。

只是今天，大模型对复杂意图的理解还不够稳定，智能体真正适合解决哪些问题，也远未形成标准答案。

是的，这肯定不是终局。

但正如那句老话，大模型的前途是光明的，但如何平衡用户与生态的道路，又必然是曲折的，螺旋式上升的。

此时保留一个能够被明确找到的入口，某种程度上是用户体验与合作生态之间的折中。

或许未来某一天，一条更好的路径能被发现——既保留统一入口的便利，也让合作方拥有合理的位置和持续投入的动力。

在那之前，多留一扇门，至少能让更多伙伴一起进来，一起把路走出来。