高考結(jié)束了，最讓學(xué)子們揪心的莫過于志愿填報(bào)了。

現(xiàn)在，志愿填報(bào)有一些新“玩法”。讓我們來看一個例子。

她叫王琳（化名），來自貴州一座普通縣城的重點(diǎn)中學(xué)。高考結(jié)束那晚，她拿著剛出分的成績單，站在父親借來的一部舊安卓手機(jī)前，在夸克App里輸入了一句話：

“我想學(xué)經(jīng)濟(jì)，但不想離家太遠(yuǎn)。”

十秒鐘后，一份清晰、結(jié)構(gòu)完整的志愿報(bào)告出現(xiàn)在屏幕上：它不僅列出了她最可能被錄取的高校，還標(biāo)注了每一所學(xué)校的優(yōu)勢專業(yè)、城市發(fā)展、就業(yè)方向，甚至分析了“經(jīng)濟(jì)類對女生未來職業(yè)選擇的彈性較高”——這是她此前從未聽說過的信息。

在一個月內(nèi)，王琳修改了近60次報(bào)考偏好，最終鎖定了西南財(cái)經(jīng)大學(xué)。

她不是個例。2025年高考季，夸克官方數(shù)據(jù)顯示，其“志愿報(bào)告Agent”累計(jì)為考生和家長生成超1000萬份志愿報(bào)告，成為中國AI技術(shù)在垂直領(lǐng)域最大規(guī)模的深度研究型應(yīng)用。

一場關(guān)乎命運(yùn)的決策，正在由AI參與。人們開始思考：“AI，真的能幫我做出人生最重要的決定嗎？”

AI志愿Agent到底做了什么？

志愿填報(bào)是一項(xiàng)高度復(fù)雜的任務(wù)。它不是簡單地“根據(jù)分?jǐn)?shù)篩學(xué)校”，而是要在考生的個人偏好、成績、家庭背景、城市意向、專業(yè)興趣、未來發(fā)展、就業(yè)趨勢之間，找到一條可行又理想的路徑。

在此之前，很多家庭只能依賴“親戚推薦”“老師意見”甚至“網(wǎng)上搜索來的碎片信息”來做決策。

而夸克推出的“志愿報(bào)告Agent”，正是要用AI，幫用戶拆解需求、規(guī)劃路徑、執(zhí)行決策、反思調(diào)整，走完整套流程。

這背后的技術(shù)關(guān)鍵是：“任務(wù)規(guī)劃—執(zhí)行—檢查—反思”四階段Agent機(jī)制。

與傳統(tǒng)的問答系統(tǒng)不同，志愿Agent更像是一個“沉浸式助手”：

一是任務(wù)規(guī)劃，理解你想要什么。

例如考生輸入：“我傾向于廣州深圳，不考慮偏遠(yuǎn)地區(qū)，想學(xué)人工智能，數(shù)學(xué)不太好”。

AI會自動識別出：地域偏好+專業(yè)目標(biāo)+能力約束等多維度信息，并將其拆解為后續(xù)決策的執(zhí)行路徑。

二是任務(wù)執(zhí)行，調(diào)用各種工具操作志愿表。

執(zhí)行過程不僅調(diào)用搜索與知識庫，還結(jié)合夸克自建的志愿填報(bào)工具（涵蓋3000多所高校、2000多個專業(yè)的歷年數(shù)據(jù)），生成初步填報(bào)方案。

三是結(jié)果檢查，看是否滿足你的意圖。

比如，如果在廣州深圳地區(qū)無法滿足“人工智能”且匹配度高的選項(xiàng)，系統(tǒng)會返回反饋并觸發(fā)反思機(jī)制。

四是自我反思，重新調(diào)整路徑再嘗試。

AI會嘗試擴(kuò)展方案，例如“是否考慮廣東省內(nèi)其他城市？”或者“是否放寬對高校層次的限制以爭取更多選擇？”

整個過程是一個類專家的策略性探索，而不是一錘子買賣。

這種能力并非依賴一個模型，而是一個系統(tǒng)性的集成：由高考志愿大模型+知識庫+搜索+決策工具+反饋機(jī)制構(gòu)成的智能體（Agent），實(shí)現(xiàn)了從用戶語言→智能規(guī)劃→動態(tài)反饋→報(bào)告輸出的完整鏈路。

換句話說，它不是“在回答問題”，而是在“模擬決策過程”。

夸克憑什么？拆解夸克的核心技術(shù)

“AI Agent”不是一個新概念，但真正做到實(shí)用、穩(wěn)定、規(guī)?；涞氐陌咐攘葻o幾。我們可以把它看作一場“大模型+工具鏈+垂直知識”的協(xié)同作戰(zhàn)，夸克的志愿報(bào)告Agent之所以備受關(guān)注，不只是因?yàn)樗闪艘磺f份報(bào)告，更因?yàn)樗跀?shù)據(jù)、模型、工具三大技術(shù)支柱上，構(gòu)建出了嚴(yán)謹(jǐn)而高效的閉環(huán)系統(tǒng)。

第一支柱：高質(zhì)量、結(jié)構(gòu)化、權(quán)威的數(shù)據(jù)底座

填志愿是“信息決策”的典型場景，但高考相關(guān)的信息極度碎片化，且權(quán)威性參差不齊。

為確保數(shù)據(jù)可用性與準(zhǔn)確性，夸克對外部信息源做了大規(guī)模清洗與重構(gòu)：收錄8000+高考相關(guān)站點(diǎn)、幾十億級網(wǎng)頁內(nèi)容，覆蓋99%以上權(quán)威源；引入非網(wǎng)頁數(shù)據(jù)，如各省考試院、招生簡章等；針對近三年招生計(jì)劃、錄取分?jǐn)?shù)、體檢要求、就業(yè)考研數(shù)據(jù)等，夸克動用數(shù)百人工審核，構(gòu)建起近似“高考百科全書”的數(shù)據(jù)庫。

特別是志愿工具所依賴的數(shù)據(jù)集，涵蓋了全國3000多所高校，2000多個專業(yè)，包括不同省份、選科模式等復(fù)雜變量。

這使得生成的每一份志愿報(bào)告，具備了“與現(xiàn)實(shí)高一致性”的基礎(chǔ)。

第二支柱：高考專屬大模型+強(qiáng)化學(xué)習(xí)優(yōu)化

在大模型方面，夸克基于通義千問的基座模型，做了大規(guī)模后訓(xùn)練，包括：高考垂直領(lǐng)域微調(diào)訓(xùn)練；引入權(quán)威知識庫作為RAG材料源；應(yīng)用RLHF（人類偏好強(qiáng)化學(xué)習(xí)）+RLVR（可驗(yàn)證獎勵強(qiáng)化學(xué)習(xí)）機(jī)制，提升推薦結(jié)果的可靠性與用戶接受度。

特別是在“志愿推薦”中出現(xiàn)的典型矛盾——例如“分?jǐn)?shù)剛好能上，但專業(yè)可能不喜歡”——模型通過RLHF打分來捕捉用戶偏好，又用RLVR確保事實(shí)不偏離，兩種獎勵機(jī)制協(xié)同調(diào)和“真實(shí)可行”與“用戶滿意”之間的張力。

此外，在數(shù)據(jù)結(jié)構(gòu)和策略表達(dá)上，模型能將自然語言轉(zhuǎn)化為專家級指令，執(zhí)行對志愿表的精細(xì)操作：

按地域優(yōu)先級（如“廣州 > 廣東省內(nèi) > 非偏遠(yuǎn)地區(qū)”）調(diào)整選項(xiàng)；

匹配專業(yè)要求與考生學(xué)科能力（如“數(shù)學(xué)弱不建議報(bào)人工智能”）；

在資源不足時觸發(fā)“策略放寬”或“沖刺建議”。

從語言理解到意圖規(guī)劃、再到表格操作與策略反饋，這種復(fù)雜流程的閉環(huán)，標(biāo)志著真正具備實(shí)戰(zhàn)能力的AI Agent系統(tǒng)。

第三支柱：多輪執(zhí)行與人機(jī)協(xié)同的志愿工具

模型不是孤島。它與志愿工具之間的交互，決定了生成結(jié)果的可執(zhí)行性與可信度。

每一次模型生成的指令，都會傳送給志愿表工具進(jìn)行實(shí)時模擬與反饋。

如果反饋結(jié)果不理想，模型會“反思”：是否擴(kuò)大地理范圍？是否降低院校層級？是否調(diào)整專業(yè)優(yōu)先級？并重新生成推薦方案。

這不僅是“模型生成一個表”，而是：模型推理+工具執(zhí)行+數(shù)據(jù)反饋+策略反思的動態(tài)任務(wù)系統(tǒng)。這是AI真正從“內(nèi)容生成”，進(jìn)化為“決策協(xié)助”的關(guān)鍵一步。

在產(chǎn)品方面夸克又做了什么，

來優(yōu)化用戶體驗(yàn)？

高考填報(bào)，不只是信息問題，更是認(rèn)知問題——很多考生和家長，不知道該問什么、更不知道該怎么選。而夸克在產(chǎn)品層的最大突破，是把“復(fù)雜的AI能力”轉(zhuǎn)化成了“用戶可理解、可操作、可信賴的交互體驗(yàn)”。

這背后的核心，是三個產(chǎn)品層級的融合：

第一層：AI問答，掃除信息盲區(qū)

夸克在搜索系統(tǒng)基礎(chǔ)上，搭建了專屬的高考問答模型體系，可以系統(tǒng)性地回答所有高考相關(guān)問題——

什么是強(qiáng)基計(jì)劃？

某某專業(yè)適合女生嗎？

某高校去年在江蘇的最低位次是多少？

不同于傳統(tǒng)搜索給出一堆鏈接，夸克的AI問答直接給出結(jié)構(gòu)化、精煉答案，并附帶數(shù)據(jù)來源與解釋說明。對很多第一次接觸志愿填報(bào)的家庭來說，這個階段就極大降低了“信息焦慮”。

第二層：志愿工具，幫助用戶自助篩選

如果說問答是信息入口，那“志愿工具”就是用戶自定義篩選的空間。它支持用戶：輸入分?jǐn)?shù)、位次、選科、地區(qū)、意向?qū)I(yè)；進(jìn)行分段篩選（沖、穩(wěn)、保）；查看歷史錄取分?jǐn)?shù)、波動預(yù)測、招生計(jì)劃等關(guān)鍵數(shù)據(jù)。

這個功能面向熟練用戶或愿意親手操作的人群，提供了極高的自由度，但并不強(qiáng)依賴AI生成。

第三層：志愿報(bào)告Agent，一站式“決策路徑規(guī)劃器”

而真正將AI的“專家決策力”推向C端用戶的，就是今年重點(diǎn)上線的志愿報(bào)告Agent功能：

用戶只需用自然語言描述意圖（如“我不喜歡數(shù)學(xué)，但想學(xué)計(jì)算機(jī)，想在山東省內(nèi)上公辦院校”）；

Agent將自動規(guī)劃填報(bào)策略→調(diào)用工具→調(diào)整篩選邏輯→生成結(jié)構(gòu)化志愿報(bào)告；

每所推薦學(xué)校附帶解釋邏輯、風(fēng)險(xiǎn)等級、專業(yè)匹配度、地域分布等信息；

最終輸出一份可下載、可打印、可分享的完整志愿報(bào)告，并支持后續(xù)反復(fù)修改。

這是因?yàn)樵诩夹g(shù)和產(chǎn)品層面的深耕，夸克在這場高考志愿填報(bào)的“考試”中，也取得了不錯的成績：

生成報(bào)告總量超1000萬份，為國內(nèi)最大規(guī)模的AI輔助決策應(yīng)用之一；

用戶主動分享率超40%，說明報(bào)告不僅被看，還被信賴、傳播；

超過50%的用戶來自三線及以下城市，顯示出AI產(chǎn)品在信息弱勢群體中的巨大價(jià)值；

個別用戶最多生成多份志愿報(bào)告，表明Agent系統(tǒng)具備持續(xù)交互與反饋能力，支持“逐步?jīng)Q策”而非一次定論。

此外，夸克在部分鄉(xiāng)村中學(xué)開展的線下調(diào)研也顯示，許多考生“甚至不知道自己應(yīng)該問什么問題”，只能機(jī)械地說“我成績不差，想考師范”。在這種場景下，AI系統(tǒng)不只是一個工具，更是一位能夠引導(dǎo)、澄清、建議的決策合伙人。

夸克產(chǎn)品負(fù)責(zé)人蔣冠軍曾表示：“在很多領(lǐng)域，用戶的需求已經(jīng)復(fù)雜到無法用常規(guī)搜索滿足，我們希望AI真正成為身邊的專家型助手。”

高考志愿填報(bào)，

只是人生決策的“冰山一角”

在AI應(yīng)用層的眾多落地嘗試中，“教育”始終是最被寄予厚望的場景之一。但現(xiàn)實(shí)中，很多產(chǎn)品停留在表層應(yīng)用：題目講解、作文批改、知識問答……真正涉及高認(rèn)知決策、復(fù)雜多目標(biāo)推理、數(shù)據(jù)深度整合的產(chǎn)品極少。

夸克高考志愿Agent的出現(xiàn)，意味著AI在教育領(lǐng)域第一次實(shí)現(xiàn)了結(jié)構(gòu)性能力突破。

1. 從“聊天式AI”到“任務(wù)型AI”的轉(zhuǎn)變

傳統(tǒng)AI教育產(chǎn)品多為ChatBot式單輪問答，例如“我這個分能不能上某高校”“XX專業(yè)前景如何”。但真正的志愿填報(bào)決策包含：

認(rèn)知澄清（你真的知道你想報(bào)的專業(yè)是干什么的嗎？）；

意圖平衡（父母希望穩(wěn)定vs孩子想挑戰(zhàn)）；

數(shù)據(jù)對齊（分?jǐn)?shù)、位次、地域、學(xué)校批次、專業(yè)類別）；

策略執(zhí)行（沖/穩(wěn)/保布局、錄取概率計(jì)算、限制條件控制）。

這不是“問一個問題、得一個答案”，而是“發(fā)起一個任務(wù)、走完一套流程”。Agent機(jī)制正好適配了這一認(rèn)知模型。

2. 技術(shù)深度已超越行業(yè)平均水位

據(jù)夸克算法負(fù)責(zé)人唐亮介紹，志愿Agent所依賴的大模型，經(jīng)過了高考專屬微調(diào)、任務(wù)規(guī)劃訓(xùn)練、強(qiáng)化學(xué)習(xí)打分等多輪迭代。模型不僅能理解考生意圖，還能生成可執(zhí)行指令、控制外部工具調(diào)用、動態(tài)調(diào)整策略。

相比多數(shù)“生成類AI”停留在內(nèi)容層，夸克已經(jīng)實(shí)現(xiàn)了“推理—行動—反思—重構(gòu)”的鏈?zhǔn)介]環(huán)。

此外，其幻覺控制能力也得到顯著提升，幻覺率得到大幅優(yōu)化，確保用戶不會因?yàn)?ldquo;編造內(nèi)容”做出錯誤決策。

3. 數(shù)據(jù)結(jié)構(gòu)化、語義映射能力構(gòu)筑護(hù)城河

很多廠商嘗試進(jìn)入高考志愿領(lǐng)域，但長期無法突破的點(diǎn)在于：

數(shù)據(jù)顆粒度過細(xì)，來源不統(tǒng)一：不同學(xué)校、不同地區(qū)、不同政策下的招生計(jì)劃和分?jǐn)?shù)線標(biāo)準(zhǔn)不一；

專業(yè)信息需結(jié)構(gòu)化理解：比如“人工智能”是否對數(shù)學(xué)有要求、“金融學(xué)”是否更適合理科生；

用戶語言模糊，意圖不穩(wěn)定：如“想留在南方、不去太冷的城市”，需要進(jìn)行語義拆解與標(biāo)準(zhǔn)化建模。

夸克通過7年積累構(gòu)建出的數(shù)據(jù)庫+工具鏈+高考知識圖譜，使其具備了超出“產(chǎn)品設(shè)計(jì)”層面的語義基礎(chǔ)設(shè)施能力。而這正是其他競品難以快速復(fù)制的核心壁壘。

4. 決策類AI產(chǎn)品的新范式：可遷移、可拓展

更重要的是，高考志愿Agent所采用的整體框架，具備強(qiáng)可復(fù)制性。

任何“多目標(biāo)、有限信息、路徑分歧”的復(fù)雜決策問題，都可視為Agent應(yīng)用場景：考研/升學(xué)規(guī)劃、留學(xué)擇校、就業(yè)方向決策、醫(yī)療就診路徑推薦、財(cái)務(wù)投資組合規(guī)劃。

這正是“深度研究技術(shù)”的宏觀目標(biāo)——不只是服務(wù)一個場景，而是打造AI助手完成復(fù)雜任務(wù)的能力模型。

從“會答題”到“會做決策”，這是AI與人類認(rèn)知模型之間距離的真正縮小。

當(dāng)AI成為“建議者”，誰負(fù)責(zé)“決策”？

夸克的志愿報(bào)告Agent在提供決策支持上無疑取得了巨大的技術(shù)突破，但在用戶層面，一個新的問題悄然浮現(xiàn)：“我到底能信AI到什么程度？”

這一問題的本質(zhì)，并不在于模型準(zhǔn)不準(zhǔn)，而在于建議權(quán)與決策權(quán)的邊界是否清晰。

1. 用戶高度信任背后的風(fēng)險(xiǎn)

從用戶行為來看，AI生成的志愿報(bào)告正被越來越多的家庭視作“決策依據(jù)”：報(bào)告支持六維度打分與排序（地域、專業(yè)、學(xué)校層級等），最終輸出“推薦表單”；推薦內(nèi)容標(biāo)注有“沖、穩(wěn)、保”分級；用戶可直接使用該表進(jìn)行志愿填報(bào)操作，流程順滑。

但問題在于：很多用戶，尤其是中小城市和鄉(xiāng)村的考生與家長，未必具備評估“AI推薦合理性”的能力。他們對算法的信任，很容易轉(zhuǎn)化為過度依賴。

“AI給我這個學(xué)校，那應(yīng)該沒問題吧？”

“專業(yè)看起來是推薦的第一位，我就選它吧。”

這種“把選擇責(zé)任轉(zhuǎn)嫁給AI”的心理，很容易在事后引發(fā)落差感、甚至信任危機(jī)。

2. 建議vs命令：AI的解釋能力需要加強(qiáng)

AI生成的志愿報(bào)告雖然已經(jīng)附帶一定的解釋，如“因你的地域偏好和分?jǐn)?shù)匹配推薦XXX專業(yè)”，但目前尚未全面實(shí)現(xiàn)：專業(yè)推薦邏輯的充分透明化；用戶可調(diào)節(jié)的偏好權(quán)重；對冷門、邊緣選項(xiàng)的完整披露。

例如，如果模型判斷用戶可被A專業(yè)錄取，但該專業(yè)冷門、城市偏遠(yuǎn)、信息量稀缺——在報(bào)告中，這種“反例”往往被自然過濾。用戶失去了做“不選”的機(jī)會。

在志愿填報(bào)這種強(qiáng)關(guān)聯(lián)未來路徑的場景中，讓用戶知道“為什么推薦”，甚至“為什么不推薦”，與“推薦了什么”同樣重要。

3. RLHF與RLVR的博弈：個性偏好vs客觀事實(shí)

夸克團(tuán)隊(duì)在模型訓(xùn)練中采用了RLHF（人類偏好）+RLVR（可驗(yàn)證事實(shí)）雙重強(qiáng)化機(jī)制：RLHF捕捉用戶在報(bào)告排序、內(nèi)容表達(dá)、推薦偏好等方面的感受；RLVR確保輸出內(nèi)容在邏輯和事實(shí)層面不能出錯。

但在現(xiàn)實(shí)應(yīng)用中，二者會出現(xiàn)“錯位”：一個冷門專業(yè)（如地質(zhì)工程）可能事實(shí)匹配度高、錄取概率大，但用戶天然抗拒；一個熱門專業(yè)（如金融、人工智能）可能錄取概率低，但用戶強(qiáng)烈傾向。

面對這種“理性結(jié)果vs情緒偏好”的沖突，模型必須在建議維度做出選擇。如何解釋這種選擇，并允許用戶干預(yù)調(diào)整，是下一步產(chǎn)品必須解決的問題。

4. 責(zé)任的邊界，需要更明確的制度設(shè)計(jì)

目前，夸克的產(chǎn)品設(shè)計(jì)中，強(qiáng)調(diào)AI報(bào)告的輔助性質(zhì)。

但從實(shí)際操作層面來看，隨著AI能力的提升，可能會導(dǎo)致人越來越依賴AI給出的建議的問題。一旦出現(xiàn)決策失誤，人們往往傾向于歸罪于AI系統(tǒng)。這有點(diǎn)類似于目前的汽車自動駕駛領(lǐng)域，雖然車企反復(fù)強(qiáng)調(diào)自己提供的只是輔助駕駛系統(tǒng)，但是越來越多的用戶慢慢養(yǎng)成了依賴自動駕駛的習(xí)慣，一旦出現(xiàn)嚴(yán)重車禍，車企依然可能陷入被動的局面。

因此，為了捋清責(zé)任關(guān)系，需要更明確的制度設(shè)計(jì)，來確定責(zé)任邊界。從長遠(yuǎn)看，任何AI決策產(chǎn)品都必須解決“建議權(quán)”與“決策權(quán)”的明晰分離：建議應(yīng)是解釋型的、可復(fù)現(xiàn)的、可調(diào)節(jié)的；決策必須由用戶明確下達(dá)指令，并了解其依據(jù)與后果；系統(tǒng)應(yīng)提供“反思空間”與“用戶選擇確認(rèn)”機(jī)制，避免誤信或誤解。

需要讓人們清楚的意識到，AI是助力，不是替代。尤其在關(guān)乎命運(yùn)的選擇上，責(zé)任必須由人類自己承擔(dān)。

需要指出的是，高考是一場信息戰(zhàn)，也是一場認(rèn)知戰(zhàn)。它要求每個考生和家庭在短時間內(nèi)，做出一次關(guān)于未來的復(fù)雜選擇。但對于絕大多數(shù)人來說，這場戰(zhàn)役的起點(diǎn)并不公平：

有人有家教、咨詢師、老師資源；

有人只能靠零散搜索、親戚建議；

更有人根本不知道，哪些信息該去問、該怎么問。

AI志愿Agent的價(jià)值，恰恰不在于替你決定，而在于讓你擁有“做出好決定”的條件。

夸克的這一產(chǎn)品，不是單純的“模型秀肌肉”，而是一次工程能力、數(shù)據(jù)整合、產(chǎn)品理解與社會價(jià)值的協(xié)同實(shí)踐。它讓AI不再只是技術(shù)熱詞，而是落到千千萬萬個考生和家長手中，一次次輸入模糊指令、反復(fù)修改偏好、慢慢明白自己到底想要什么。

你或許不會完全照著AI生成的那份報(bào)告填志愿，但它提供的，是一個路徑，是一張地圖，是一盞在混沌中亮起來的燈。

未來，這種“深度研究式AI助手”還將進(jìn)入更多決策領(lǐng)域：從考研、留學(xué)、擇業(yè)到醫(yī)療、養(yǎng)老、投資規(guī)劃。它將不再是“懂你說什么”的AI，而是“能陪你想清楚”的AI。

但最終，AI不是命運(yùn)的仲裁者。

人生方向，還是需要人自己走。

來源：數(shù)據(jù)猿