千问上线高考志愿Agent，把5000块的咨询做成免费

离全国高考结束还不到一周，志愿填报这件事就开始让千万家庭头疼了。6月10日，千问正式上线了一款高考志愿填报Agent，对外的口径是"国内首个全周期高考志愿填报Agent"，主打三个能力——志愿报告、志愿日历、志愿问答，全部免费。

这事的背景值得先聊两句。2026年全国高考报名人数大概在1290万人左右，但请得起专业志愿规划师的家庭，比例不到5%。市面上一份像样的深度志愿咨询服务，开价普遍在5000元以上，张雪峰那种头部专家的名额每年都是开售即罄。剩下95%的考生和家庭，基本只能靠自己翻分数线、刷贴吧、问亲戚。

千问这次想做的，是把那5%的服务体验复制给剩下的95%。

三个核心能力，把志愿填报拆成可执行的步骤

志愿填报这件事的难点不在于"不知道怎么选"，而在于"不知道从哪儿开始"。一个普通考生，从出分到最终提交，中间要经历位次定位、院校筛选、专业研究、冲稳保搭配、调剂规划等十几个环节，每个环节都有坑。

千问这次的Agent把这套流程拆成了三块：

志愿日历承担的是"任务调度"的角色。它会根据考生所在省份的填报时间表，倒推出一份个性化的日程——什么时候做基础认知、什么时候定位成绩、什么时候做自我探索、什么时候研究院校专业。考生只需要跟着日历推送的任务一步步做，就能完成一份完整的志愿方案。这里有个小细节，即便两个考生的分数、选科、省份完全一样，只要他们填写的兴趣、MBTI、城市偏好不同，生成的日历也会完全不同。

志愿报告是核心交付物。考生提交选科、估分等基础信息后，Agent会生成一份15到40页的PDF报告，覆盖几十种志愿组合，可以直接抄进填报系统。去年阿里在夸克上首创了"AI志愿报告"这个形式，去年累计领取量接近1300万份——这个数据其实已经说明了刚需程度。

今年的升级有两个比较实在的点：

• 动态调整：考生看报告的时候可以随时反馈，"这学校我不想去"、"再给我推几个金融专业"，报告会实时改
• 主动建议：Agent发现你推荐的专业方向太散，会主动提醒"你这个填法浪费机会了，建议聚焦"

这两个能力听着简单，但落到Agent的工程实现上，需要把推荐系统、用户反馈、推理链路全部串起来，不是简单套个大模型就能做的。

志愿问答对应的是日常咨询场景。和通用AI助手最大的区别是，千问在回答高考问题时刻意做得"更克制"——会调用位次法定位等专业工具，而不是张口就编。这一点其实是高考这类高敏感场景的刚需，去年市面上几个通用大模型都吃过"幻觉报错分数线"的亏。

千问高考志愿大模型：从专家思路里训出来的

光看产品形态，可能会觉得这事的技术含量没那么高——不就是知识库+对话吗？但志愿填报真正的复杂度，在决策环节。

千问事业部AI算法负责人蒋冠军给了一组数：志愿填报涉及院校、专业、地域、就业等十个核心维度，理论组合空间高达上亿种。通用大模型在这类长链路、强领域知识的场景里，最大的问题不是"不会算"，而是缺少"如何平衡冲稳保"的专家经验——这是一种典型的隐性知识，没人会专门写下来。

千问的解法是把资深志愿规划师的思考路径提取出来，转成多轮对话和推理链训练数据，通过强化学习和监督微调，让模型形成"规划、执行、反思"的推理机制。然后用一套覆盖40万种组合的"AI考生"体系对模型反复压测——本质上是用合成考生跑回归测试。

光会想还不够，Agent要能"办事"。这里千问搭了一套调度体系：

• 强大的记忆引擎，沉淀每个考生的档案，并隔离其他人信息（这点对高考场景特别重要，串档就完蛋了）
• 39个Skills和专业工具，包括搜索引擎、就业信息查询、志愿匹配等
• 工具返回结果后进入反思环节做核验，避免一本道式的错误传播

数据层面，千问高考知识库覆盖了全国近3000所高校、超过2000个专业。比较有意思的是，他们把转专业政策、在校生评价、食堂质量这类非结构化信息也融进去了。这部分内容在传统志愿填报数据库里基本是空白，但对考生来说反而是最关心的——分数线网上都有，食堂好不好吃只能问学长。

8年数据是真正的护城河

这次Agent能跑起来，很大程度上是因为底下接的是夸克的8年高考服务数据。

夸克从2018年开始做高考工具，到今年已经第八届了。每年高考季，夸克都是月活峰值最高的搜索类App之一。这八年攒下来的，不只是分数线数据库，更重要的是用户行为数据——什么样的考生最终会去什么样的学校、填报时会反复纠结哪些问题、什么时候会突然改主意。这些东西不是开个爬虫就能拿到的。

阿里去年把夸克的高考能力整合到"AI志愿报告"里，跑出了1300万的领取量。今年这套能力进一步升级到Agent形态，并且整合进千问这个更通用的入口，本质上是阿里在把垂类积累往通用AI助手上迁移。

这里有个产品判断值得展开说一下。当所有通用大模型都在卷推理、卷多模态的时候，千问选择把高考这种"季节性强、专业门槛高、用户付费意愿大"的场景做深，路径其实挺聪明的。一方面，高考志愿是个典型的Agent能解决但通用Chat解决不好的场景——它要规划、要调工具、要长期记忆、要主动建议；另一方面，这类场景的体验差异是用户能直接感知到的，远比"我的模型推理快10%"更有说服力。

工程细节：为县城和农村做的优化

这次发布里有个不起眼但挺重要的点——千问工程团队对老旧机型和弱网环境做了专项优化。

看似是个性能优化，背后的逻辑是：志愿填报的真正刚需用户，恰恰是县域和乡村的考生家庭。一二线城市的家庭，多少都能咨询到资源；越往下沉市场，志愿填报越是黑箱。但下沉市场的设备和网络条件，又恰恰最差。

千问同时启动了高考"暖芒公益"计划，给偏远地区提供填报指导。这件事的商业意义可能没那么大，但确实是用AI能解决的问题里，最对得起"普惠"两个字的一类。

一些观察

横向对比看，今年高考志愿这个赛道挤进来不少玩家。百度文小言、字节豆包、腾讯元宝都做了自己的志愿工具，但产品形态大多还停留在"问答+知识库"。千问这次拿出来的是完整的Agent形态——能规划、能调工具、能反思、能动态调整方案，节奏上确实快了同行半步。

不过Agent这种东西，发布会上演示得再好，最终还是要看真实场景下的表现。高考志愿的特殊性在于，它一年只有一次机会、错了不能重来。今年这个版本能不能扛住几百万考生同时涌入的压力测试，能不能在边缘案例（特殊招生、强基计划、专项计划等）上不翻车，得等6月下旬出分之后才能见真章。

对开发者来说，这件事还有另一个值得关注的点：千问这次把Agent调度体系、记忆引擎、工具调用、反思机制这套架构跑通了一个完整的垂类场景。这套方法论后面大概率会复用到其他领域——医疗咨询、法律咨询、留学规划，本质上都是"专家经验+决策推理+工具调用"的组合。

从行业层面看，这是国内第一个真正意义上面向C端、覆盖千万级用户、全流程Agent化的产品落地。Agent这个概念已经被讲了一年多，今年终于看到能跑到这个量级的实际应用。

志愿填报这件事的市场价格曲线，今年大概率要重新画了。

参考来源

暂无符合条件的国内可访问域名参考链接。