AI不决定命运，但照亮方向
原创 一蓑烟雨 | 2025-07-03 18:23
【数据猿导读】 一场关乎命运的决策，正在由AI参与。人们开始思考：“AI，真的能帮我做出人生最重要的决定吗？”
高考结束了，最让学子们揪心的莫过于志愿填报了。
现在，志愿填报有一些新“玩法”。让我们来看一个例子。
她叫王琳（化名），来自贵州一座普通县城的重点中学。高考结束那晚，她拿着刚出分的成绩单，站在父亲借来的一部旧安卓手机前，在夸克App里输入了一句话：
“我想学经济，但不想离家太远。”
十秒钟后，一份清晰、结构完整的志愿报告出现在屏幕上：它不仅列出了她最可能被录取的高校，还标注了每一所学校的优势专业、城市发展、就业方向，甚至分析了“经济类对女生未来职业选择的弹性较高”——这是她此前从未听说过的信息。
在一个月内，王琳修改了近60次报考偏好，最终锁定了西南财经大学。
她不是个例。2025年高考季，夸克官方数据显示，其“志愿报告Agent”累计为考生和家长生成超1000万份志愿报告，成为中国AI技术在垂直领域最大规模的深度研究型应用。
一场关乎命运的决策，正在由AI参与。人们开始思考：“AI，真的能帮我做出人生最重要的决定吗？”
AI志愿Agent到底做了什么？
志愿填报是一项高度复杂的任务。它不是简单地“根据分数筛学校”，而是要在考生的个人偏好、成绩、家庭背景、城市意向、专业兴趣、未来发展、就业趋势之间，找到一条可行又理想的路径。
在此之前，很多家庭只能依赖“亲戚推荐”“老师意见”甚至“网上搜索来的碎片信息”来做决策。
而夸克推出的“志愿报告Agent”，正是要用AI，帮用户拆解需求、规划路径、执行决策、反思调整，走完整套流程。
这背后的技术关键是：“任务规划—执行—检查—反思”四阶段Agent机制。
与传统的问答系统不同，志愿Agent更像是一个“沉浸式助手”：
一是任务规划，理解你想要什么。
例如考生输入：“我倾向于广州深圳，不考虑偏远地区，想学人工智能，数学不太好”。
AI会自动识别出：地域偏好+专业目标+能力约束等多维度信息，并将其拆解为后续决策的执行路径。
二是任务执行，调用各种工具操作志愿表。
执行过程不仅调用搜索与知识库，还结合夸克自建的志愿填报工具（涵盖3000多所高校、2000多个专业的历年数据），生成初步填报方案。
三是结果检查，看是否满足你的意图。
比如，如果在广州深圳地区无法满足“人工智能”且匹配度高的选项，系统会返回反馈并触发反思机制。
四是自我反思，重新调整路径再尝试。
AI会尝试扩展方案，例如“是否考虑广东省内其他城市？”或者“是否放宽对高校层次的限制以争取更多选择？”
整个过程是一个类专家的策略性探索，而不是一锤子买卖。
这种能力并非依赖一个模型，而是一个系统性的集成：由高考志愿大模型+知识库+搜索+决策工具+反馈机制构成的智能体（Agent），实现了从用户语言→智能规划→动态反馈→报告输出的完整链路。
换句话说，它不是“在回答问题”，而是在“模拟决策过程”。
夸克凭什么？拆解夸克的核心技术
“AI Agent”不是一个新概念，但真正做到实用、稳定、规模化落地的案例寥寥无几。我们可以把它看作一场“大模型+工具链+垂直知识”的协同作战，夸克的志愿报告Agent之所以备受关注，不只是因为它生成了一千万份报告，更因为它在数据、模型、工具三大技术支柱上，构建出了严谨而高效的闭环系统。
第一支柱：高质量、结构化、权威的数据底座
填志愿是“信息决策”的典型场景，但高考相关的信息极度碎片化，且权威性参差不齐。
为确保数据可用性与准确性，夸克对外部信息源做了大规模清洗与重构：收录8000+高考相关站点、几十亿级网页内容，覆盖99%以上权威源；引入非网页数据，如各省考试院、招生简章等；针对近三年招生计划、录取分数、体检要求、就业考研数据等，夸克动用数百人工审核，构建起近似“高考百科全书”的数据库。
特别是志愿工具所依赖的数据集，涵盖了全国3000多所高校，2000多个专业，包括不同省份、选科模式等复杂变量。
这使得生成的每一份志愿报告，具备了“与现实高一致性”的基础。
第二支柱：高考专属大模型+强化学习优化
在大模型方面，夸克基于通义千问的基座模型，做了大规模后训练，包括：高考垂直领域微调训练；引入权威知识库作为RAG材料源；应用RLHF（人类偏好强化学习）+RLVR（可验证奖励强化学习）机制，提升推荐结果的可靠性与用户接受度。
特别是在“志愿推荐”中出现的典型矛盾——例如“分数刚好能上，但专业可能不喜欢”——模型通过RLHF打分来捕捉用户偏好，又用RLVR确保事实不偏离，两种奖励机制协同调和“真实可行”与“用户满意”之间的张力。
此外，在数据结构和策略表达上，模型能将自然语言转化为专家级指令，执行对志愿表的精细操作：
按地域优先级（如“广州 > 广东省内 > 非偏远地区”）调整选项；
匹配专业要求与考生学科能力（如“数学弱不建议报人工智能”）；
在资源不足时触发“策略放宽”或“冲刺建议”。
从语言理解到意图规划、再到表格操作与策略反馈，这种复杂流程的闭环，标志着真正具备实战能力的AI Agent系统。
第三支柱：多轮执行与人机协同的志愿工具
模型不是孤岛。它与志愿工具之间的交互，决定了生成结果的可执行性与可信度。
每一次模型生成的指令，都会传送给志愿表工具进行实时模拟与反馈。
如果反馈结果不理想，模型会“反思”：是否扩大地理范围？是否降低院校层级？是否调整专业优先级？并重新生成推荐方案。
这不仅是“模型生成一个表”，而是：模型推理+工具执行+数据反馈+策略反思的动态任务系统。这是AI真正从“内容生成”，进化为“决策协助”的关键一步。
在产品方面夸克又做了什么，
来优化用户体验？
高考填报，不只是信息问题，更是认知问题——很多考生和家长，不知道该问什么、更不知道该怎么选。而夸克在产品层的最大突破，是把“复杂的AI能力”转化成了“用户可理解、可操作、可信赖的交互体验”。
这背后的核心，是三个产品层级的融合：
第一层：AI问答，扫除信息盲区
夸克在搜索系统基础上，搭建了专属的高考问答模型体系，可以系统性地回答所有高考相关问题——
什么是强基计划？
某某专业适合女生吗？
某高校去年在江苏的最低位次是多少？
不同于传统搜索给出一堆链接，夸克的AI问答直接给出结构化、精炼答案，并附带数据来源与解释说明。对很多第一次接触志愿填报的家庭来说，这个阶段就极大降低了“信息焦虑”。
第二层：志愿工具，帮助用户自助筛选
如果说问答是信息入口，那“志愿工具”就是用户自定义筛选的空间。它支持用户：输入分数、位次、选科、地区、意向专业；进行分段筛选（冲、稳、保）；查看历史录取分数、波动预测、招生计划等关键数据。
这个功能面向熟练用户或愿意亲手操作的人群，提供了极高的自由度，但并不强依赖AI生成。
第三层：志愿报告Agent，一站式“决策路径规划器”
而真正将AI的“专家决策力”推向C端用户的，就是今年重点上线的志愿报告Agent功能：
用户只需用自然语言描述意图（如“我不喜欢数学，但想学计算机，想在山东省内上公办院校”）；
Agent将自动规划填报策略→调用工具→调整筛选逻辑→生成结构化志愿报告；
每所推荐学校附带解释逻辑、风险等级、专业匹配度、地域分布等信息；
最终输出一份可下载、可打印、可分享的完整志愿报告，并支持后续反复修改。
这是因为在技术和产品层面的深耕，夸克在这场高考志愿填报的“考试”中，也取得了不错的成绩：
生成报告总量超1000万份，为国内最大规模的AI辅助决策应用之一；
用户主动分享率超40%，说明报告不仅被看，还被信赖、传播；
超过50%的用户来自三线及以下城市，显示出AI产品在信息弱势群体中的巨大价值；
个别用户最多生成多份志愿报告，表明Agent系统具备持续交互与反馈能力，支持“逐步决策”而非一次定论。
此外，夸克在部分乡村中学开展的线下调研也显示，许多考生“甚至不知道自己应该问什么问题”，只能机械地说“我成绩不差，想考师范”。在这种场景下，AI系统不只是一个工具，更是一位能够引导、澄清、建议的决策合伙人。
夸克产品负责人蒋冠军曾表示：“在很多领域，用户的需求已经复杂到无法用常规搜索满足，我们希望AI真正成为身边的专家型助手。”
高考志愿填报，
只是人生决策的“冰山一角”
在AI应用层的众多落地尝试中，“教育”始终是最被寄予厚望的场景之一。但现实中，很多产品停留在表层应用：题目讲解、作文批改、知识问答……真正涉及高认知决策、复杂多目标推理、数据深度整合的产品极少。
夸克高考志愿Agent的出现，意味着AI在教育领域第一次实现了结构性能力突破。
1. 从“聊天式AI”到“任务型AI”的转变
传统AI教育产品多为ChatBot式单轮问答，例如“我这个分能不能上某高校”“XX专业前景如何”。但真正的志愿填报决策包含：
认知澄清（你真的知道你想报的专业是干什么的吗？）；
意图平衡（父母希望稳定vs孩子想挑战）；
数据对齐（分数、位次、地域、学校批次、专业类别）；
策略执行（冲/稳/保布局、录取概率计算、限制条件控制）。
这不是“问一个问题、得一个答案”，而是“发起一个任务、走完一套流程”。Agent机制正好适配了这一认知模型。
2. 技术深度已超越行业平均水位
据夸克算法负责人唐亮介绍，志愿Agent所依赖的大模型，经过了高考专属微调、任务规划训练、强化学习打分等多轮迭代。模型不仅能理解考生意图，还能生成可执行指令、控制外部工具调用、动态调整策略。
相比多数“生成类AI”停留在内容层，夸克已经实现了“推理—行动—反思—重构”的链式闭环。
此外，其幻觉控制能力也得到显著提升，幻觉率得到大幅优化，确保用户不会因为“编造内容”做出错误决策。
3. 数据结构化、语义映射能力构筑护城河
很多厂商尝试进入高考志愿领域，但长期无法突破的点在于：
数据颗粒度过细，来源不统一：不同学校、不同地区、不同政策下的招生计划和分数线标准不一；
专业信息需结构化理解：比如“人工智能”是否对数学有要求、“金融学”是否更适合理科生；
用户语言模糊，意图不稳定：如“想留在南方、不去太冷的城市”，需要进行语义拆解与标准化建模。
夸克通过7年积累构建出的数据库+工具链+高考知识图谱，使其具备了超出“产品设计”层面的语义基础设施能力。而这正是其他竞品难以快速复制的核心壁垒。
4. 决策类AI产品的新范式：可迁移、可拓展
更重要的是，高考志愿Agent所采用的整体框架，具备强可复制性。
任何“多目标、有限信息、路径分歧”的复杂决策问题，都可视为Agent应用场景：考研/升学规划、留学择校、就业方向决策、医疗就诊路径推荐、财务投资组合规划。
这正是“深度研究技术”的宏观目标——不只是服务一个场景，而是打造AI助手完成复杂任务的能力模型。
从“会答题”到“会做决策”，这是AI与人类认知模型之间距离的真正缩小。
当AI成为“建议者”，谁负责“决策”？
夸克的志愿报告Agent在提供决策支持上无疑取得了巨大的技术突破，但在用户层面，一个新的问题悄然浮现：“我到底能信AI到什么程度？”
这一问题的本质，并不在于模型准不准，而在于建议权与决策权的边界是否清晰。
1. 用户高度信任背后的风险
从用户行为来看，AI生成的志愿报告正被越来越多的家庭视作“决策依据”：报告支持六维度打分与排序（地域、专业、学校层级等），最终输出“推荐表单”；推荐内容标注有“冲、稳、保”分级；用户可直接使用该表进行志愿填报操作，流程顺滑。
但问题在于：很多用户，尤其是中小城市和乡村的考生与家长，未必具备评估“AI推荐合理性”的能力。他们对算法的信任，很容易转化为过度依赖。
“AI给我这个学校，那应该没问题吧？”
“专业看起来是推荐的第一位，我就选它吧。”
这种“把选择责任转嫁给AI”的心理，很容易在事后引发落差感、甚至信任危机。
2. 建议vs命令：AI的解释能力需要加强
AI生成的志愿报告虽然已经附带一定的解释，如“因你的地域偏好和分数匹配推荐XXX专业”，但目前尚未全面实现：专业推荐逻辑的充分透明化；用户可调节的偏好权重；对冷门、边缘选项的完整披露。
例如，如果模型判断用户可被A专业录取，但该专业冷门、城市偏远、信息量稀缺——在报告中，这种“反例”往往被自然过滤。用户失去了做“不选”的机会。
在志愿填报这种强关联未来路径的场景中，让用户知道“为什么推荐”，甚至“为什么不推荐”，与“推荐了什么”同样重要。
3. RLHF与RLVR的博弈：个性偏好vs客观事实
夸克团队在模型训练中采用了RLHF（人类偏好）+RLVR（可验证事实）双重强化机制：RLHF捕捉用户在报告排序、内容表达、推荐偏好等方面的感受；RLVR确保输出内容在逻辑和事实层面不能出错。
但在现实应用中，二者会出现“错位”：一个冷门专业（如地质工程）可能事实匹配度高、录取概率大，但用户天然抗拒；一个热门专业（如金融、人工智能）可能录取概率低，但用户强烈倾向。
面对这种“理性结果vs情绪偏好”的冲突，模型必须在建议维度做出选择。如何解释这种选择，并允许用户干预调整，是下一步产品必须解决的问题。
4. 责任的边界，需要更明确的制度设计
目前，夸克的产品设计中，强调AI报告的辅助性质。
但从实际操作层面来看，随着AI能力的提升，可能会导致人越来越依赖AI给出的建议的问题。一旦出现决策失误，人们往往倾向于归罪于AI系统。这有点类似于目前的汽车自动驾驶领域，虽然车企反复强调自己提供的只是辅助驾驶系统，但是越来越多的用户慢慢养成了依赖自动驾驶的习惯，一旦出现严重车祸，车企依然可能陷入被动的局面。
因此，为了捋清责任关系，需要更明确的制度设计，来确定责任边界。从长远看，任何AI决策产品都必须解决“建议权”与“决策权”的明晰分离：建议应是解释型的、可复现的、可调节的；决策必须由用户明确下达指令，并了解其依据与后果；系统应提供“反思空间”与“用户选择确认”机制，避免误信或误解。
需要让人们清楚的意识到，AI是助力，不是替代。尤其在关乎命运的选择上，责任必须由人类自己承担。
需要指出的是，高考是一场信息战，也是一场认知战。它要求每个考生和家庭在短时间内，做出一次关于未来的复杂选择。但对于绝大多数人来说，这场战役的起点并不公平：
有人有家教、咨询师、老师资源；
有人只能靠零散搜索、亲戚建议；
更有人根本不知道，哪些信息该去问、该怎么问。
AI志愿Agent的价值，恰恰不在于替你决定，而在于让你拥有“做出好决定”的条件。
夸克的这一产品，不是单纯的“模型秀肌肉”，而是一次工程能力、数据整合、产品理解与社会价值的协同实践。它让AI不再只是技术热词，而是落到千千万万个考生和家长手中，一次次输入模糊指令、反复修改偏好、慢慢明白自己到底想要什么。
你或许不会完全照着AI生成的那份报告填志愿，但它提供的，是一个路径，是一张地图，是一盏在混沌中亮起来的灯。
未来，这种“深度研究式AI助手”还将进入更多决策领域：从考研、留学、择业到医疗、养老、投资规划。它将不再是“懂你说什么”的AI，而是“能陪你想清楚”的AI。
但最终，AI不是命运的仲裁者。
人生方向，还是需要人自己走。
来源：数据猿
我要评论
不容错过的资讯
大家都在搜
