千问团队朱达：C端Agent Harness的”多快好省”工程哲学与主动服务探索

一句话看懂：2026年6月，阿里千问C端技术负责人朱达在CCF论坛上首次系统公开了千问App通用复杂任务Agent的工程实践——用“多快好省”方法论将Token消耗压至海外竞品的1/10，并提出了从被动问答转向主动服务的架构思路，背后是“Harness Engineering”向“AIWare Engineering”演进的判断。

事件核心：发生了什么

在CCF YOCSEF杭州论坛上，阿里巴巴千问事业部MOS实验室负责人朱达分享了千问C端Agent Harness的工程哲学。关键事实包括：

千问通用复杂任务Agent于2026年1月正式上线，入口为App对话框上方的“胶囊”，历经半年打磨。
团队总结出“多快好省”方法论——支持多种任务类型、执行时间对得上交付质量、定义并达成“好”的标准、将Token消耗控制在海外竞品的1/10以内。
主动服务架构包含四大组件：User Memory、Environment、Task System和Assistant，目标是打破“你问我答”模式，实现精准预判。
朱达明确提出，Harness Engineering的下一步是AIWare Engineering——把人、组织预期与AI结合在一起，类比1968年软件危机催生的软件工程。

为什么重要

这是国内头部AI应用团队首次公开披露C端Agent的产品化工程细节。朱达的发言传递了几个关键信号：

成本不再是天花板：通过链路固化、任务并行化、模型选型优化等手段，千问将Agent的推理成本压缩到可以免费提供给数亿用户的程度。这意味着通用Agent在C端大规模商业化的障碍被实质性降低。
基模进步会淘汰冗余脚手架：朱达坦言，2025年很多必要的工程化配套，随着更强基模的出现已不再需要。这提示行业——Harness Engineering需要动态适配模型能力，而非死守固定框架。
主动服务才是C端粘性的关键：被动问答无法解决用户低频交互的天花板。千问提出的主动服务架构，本质上是将AI从“工具”提升为“常驻助理”，这对所有试图做国民级AI应用的公司都具有参考价值。

对用户/开发者/创作者的影响

普通用户：未来你在千问App中可能不再需要每次都主动提问——AI会根据你的历史记录和实时环境（如天气、日程、消息）主动推送建议或执行任务。但朱达也承认，主动服务的“情商”问题（如隐私、打扰频率）尚未解决，用户体验可能先波动后稳定。
开发者：千问团队公开的“多快好省”方法论和Harness工程七大模块（观测、执行环境、工具接口、上下文管理、生命周期、验证评估、治理安全），为Agent开发提供了可复用的工程范式。尤其是链路固化和上下文经验注入的思路，可以迁移到其他模型底座上。
AI行业从业者：朱达的“AIWare Engineering”视角提醒行业——当模型能力趋同后，竞争焦点将转向如何把人与AI系统有效地组织在一起。这涉及产品流程设计、用户预期管理，而非单纯的算法优化。

值得关注的后续

主动服务何时上线？：目前千问App仍以被动问答为主。朱达披露的主动服务架构是否已经灰度测试、覆盖多大比例用户，目前公开信息显示尚未明确，但料将很快在较大范围内落地。
成本控制方法是否开源？：千问团队将“Token消耗降至1/10”的方法论细节（如链路固化为代码的具体策略）是否有望通过技术博客或开源工具共享，值得开发者跟进。
竞品是否会跟进“低功耗Agent”路线？：字节、百度、月之暗面等同样做C端Agent的团队，是否会借鉴千问的“多快好省”思路调整自己的产品策略，或推出类似主动服务能力的更新，是观察行业格局变化的关键点。