高考结束，千万考生和家庭却面临更复杂的“信息战”。
6月10日晚，千问事业群总裁吴嘉在接受包括新京报贝壳财经记者在内的媒体采访时表示，高考志愿填报是一场难度极高的复杂决策。对很多家庭来说，即将开始的志愿填报，3000多个院校、2000多个专业加上各种个性化需求，挑战很大，类似于“第二次高考”。
“每年聘请专业志愿规划师的家庭不足5%，但剩下95%的考生，同样需要专业、可靠、个性化的志愿指导。”吴嘉表示，今天AI的能力已经足够强大，可以把志愿填报服务打造成为考生人人都能平等使用的专业公共服务。
吴嘉介绍称，以Agent（智能助理）形态服务用户，相比通用的聊天机器人，Agent具备自我思考、识别问题边界、记忆和用户主动对齐的能力，从而给用户提供专业、个性化的服务。面对高考志愿这种高准确率场景，Agent会不断和用户对齐需求，思考规划并调用权威数据库和专业工具来完成工作；在需求表达不充分或者获取的内容还未更新时，不会贸然回答或者一味迎合用户，而是合理追问、对齐需求，主动提示风险。“用户看到的都是对话，但背后的思考、判断和工具调用机制完全不同。”
“科技不仅要追求星辰大海，也要守护人间烟火。”吴嘉说，AI的使命是弥合社会的信息差，高考志愿填报关乎千万家庭的切身选择。
新京报贝壳财经：高考报志愿一年就一次，为什么要投入大量精力满足低频需求场景？
吴嘉：志愿填报本身是一项难度很高的复杂决策。八年前我们就发现，每年高考一结束，大量考生和家长都会开始搜索各种志愿信息。这背后存在一个非常广泛、非常真实的需求。
八年下来，我们也很清楚地看到，真正有能力获得专业指导的家庭，其实是少数。市场上确实有很好的老师，也有专业的服务，但价格往往不低，几千元、上万元都很常见。当然，这里面也存在鱼龙混杂的情况。
如果考试之后，在志愿填报这个环节，因为信息差、资源差，让一些孩子错过更适合自己的机会，这是很可惜的。所以我们做高考是希望用AI能力拉平这种信息差，让过去价格很高、门槛很高的专业志愿服务能够免费提供给所有考生和家长。
新京报贝壳财经：高考志愿填报Agent最大的特色是什么？
吴嘉：高考志愿填报Agent有三项核心能力，分别是“志愿报告”“志愿日历”“志愿问答”，考生跟着志愿日历的规划，就能一步步形成对专业院校、性格偏好和志愿方案的理解，然后获取专为自己定制志愿报告。也可以随时向千问咨询高考志愿相关问题，“志愿问答”会为大家提供专业回答。
如果用几个特征形容这个产品的最大特色，应该是“专业、省心、个性化”，采用最专业的数据，结合你的个性化需求，为你规划好未来一个月志愿填报的所有事项并及时提醒，让用户足够省心。这也是我们主动服务的典型特点。
新京报贝壳财经：高考志愿填报容错率很低，智能体如何进一步提高准确性？
吴嘉：我们的高考服务是以Agent形式提供的，相比简单的Chatbot（对话机器人）有天然优势。高考志愿需要很高的准确率，如果从模型角度看，幻觉是很难100%消除的；但Agent有自我认知、记忆以及与用户对齐的能力，它思考问题会完全不同，也就是它能够主动判断当下用户需求是否清晰，足以去执行，以及在执行的每个步骤中判断拿到的专业数据库工具返回的结果是否符合预期。
相比之下，Chatbot发起一个任务，会直接开始执行，返回数据不够充分、准确时也会尽力去回答，而不是重新发起一次检索或工具调用，或者直接告诉用户当下信息还未更新。但千问高考Agent是有自我思考和反思识别能力的，它知道自己应该调用哪些数据库。
Agent和Chatbot都是对话，但背后完全不同，消耗的token数也完全不一样，Agent消耗的token可能是Chatbot的3-5倍，因为它要思考、自我判断反思、调用工具。
新京报贝壳财经：高考志愿填报Agent的本意是为了解决信息差，但如果有人会用AI、有人不会用，是否又会产生新的“AI使用差”？
吴嘉：如果是传统的Chatbot，会问和不会问，的确会得到天差地别的回答。但Agent具备主动与用户对齐需求和规划的能力。
一是追问能力，很多用户没办法一次性表达丰富需求，我们就会持续去追问，先追问分数、选科、分数位次这“三要素”，再去追问更多个性化内容。高考Agent是有记忆模块的，比如选校、地域、专业这些倾向都能记住，可以基于这些内容继续追问。
二是规划能力，我们的志愿日历可以把整个填报过程拆成每一天的任务，帮你把每个步骤都规划好，比如先了解填报知识，再定位估分成绩、了解各个专业等等，考生甚至不需要自己主动问，只要跟着日历走就可以。
新京报贝壳财经：做高考志愿服务，是阿里巴巴主推AI办事的方向拓展吗？
吴嘉：这是AI办事的重要延伸。
比如闪购、打车都是用AI帮用户在真实世界里办事，但这些消费场景是个性化的，任务的长度和复杂度没有那么高。
高考（志愿填报）是另一种办事场景，它涉及人生选择，容错率极低，没有唯一正确答案。这也是我们第一次用Agent去解决一个真正复杂、跨周期的真实世界问题。
让模型学会真实世界的办事经验，然后让它超越这些经验，提供更好的服务，这是我们一直在努力的方向。所以高考不是临时增加的一个场景，它是AI办事这条路的自然延伸，也是Agent能力的一次阶段性跨越。如果Agent能在高考这种高压、低容错的场景里跑通，后续延伸到更多复杂决策场景就有了基础。
