阿里千問向第三方 Agent、Skill 全面開放，肯德基、瑞幸、蜜雪冰城、東航將首批接入

2026年6月3日 14:46

重點摘要

阿里的千問平台宣布向第三方 Agent 與 Skill 全面開放，肯德基、瑞幸咖啡、蜜雪冰城與東方航空成為首批接入企業。目前這些企業正在千問進行 Agent 服務測試，預計將陸續正式上線。

站內 AI 整理稿

### 阿里千問開放第三方 Agent 與 Skill，肯德基、瑞幸等品牌搶先測試

阿里巴巴旗下的 AI 大模型「千問」近日宣布，將全面向第三方開發者與企業開放其 Agent（智能代理）與 Skill（技能）功能，正式拓展生態版圖。首批參與測試的企業包括瑞幸咖啡、肯德基、蜜雪冰城與東方航空，這些品牌已陸續在千問平台上進行 Agent 服務的整合測試，預計不久後將正式上線。此舉象徵著千問從單純的問答工具，進一步轉型為可嵌入商業場景的開放平台。

### 重點整理：千問的開放模式與首批合作業者

根據現有資訊，千問此次開放的 Agent 與 Skill，本質上是讓第三方企業能透過千問的底層模型能力，建立屬於自己的 AI 助理或專屬功能。例如，肯德基可能開發點餐推薦 Agent，瑞幸則可設計咖啡偏好回饋技能，而東方航空或許用於航班查詢或客服服務。這些功能將以類似「擴充套件」的形式，整合進千問的對話介面中，讓用戶在與千問互動時，直接呼叫特定品牌的服務。首批名單涵蓋餐飲與航空兩大民生行業，顯示千問優先鎖定高頻、標準化的消費場景。

### 背景脈絡：大模型競爭從「能力」轉向「生態」

千問此舉並非突然之舉。過去一年，中國各大雲端服務商與 AI 團隊，如百度文心、字節豆包等，紛紛推出開放式插件或 Agent 開發平台，試圖複製類似 OpenAI 的 GPTs 商店模式。千問作為阿里巴巴集團的旗艦大模型，自發表以來便主打多模態與企業級應用，但若要真正滲透日常消費場景，單靠自身能力不足，必須讓品牌商能「客製化」自己的 AI 分身。這次開放正是補齊生態拼圖的關鍵一步，也意味著大模型戰場已從單純的答題準確率，轉向誰能吸引更多企業客戶、創造更多使用情境。

### 可能影響：從消費者到企業端的連鎖效應

對消費者而言，未來在使用千問時，可能不再只是問天氣或寫文案，而是可以直接說「幫我在肯德基點一份蛋撻套餐」，或「查詢明天東航從台北飛上海的航班」。這種無縫對接品牌服務的體驗，將大幅縮短用戶在 App 之間切換的步驟，但也衍生了隱私授權與數據歸屬的討論。對企業端來說，特別是瑞幸、蜜雪冰城這類擁有龐大會員體系的連鎖品牌，透過千問導入 Agent 可降低客服與行銷成本，同時收集更直接的用戶偏好數據。然而，這也意味著品牌必須與阿里雲進一步綁定，在技術與商業模式上更加依賴千問平台。

### 後續值得關注的幾個方向

讀者可以留意以下發展：首先是更多第三方企業的加入，特別是金融、零售、醫療等領域是否會跟進；其次是千問是否會公布開發者分潤機制或 API 費用標準，這將直接影響中小型商家參與意願；再者，千問的 Agent 能否落地台灣市場，考量到法規與語言習慣差異，台灣消費者短期內可能較難直接體驗，但可觀察阿里巴巴是否會推出在地化版本。另外，肯德基、瑞幸等品牌實際上線後的用戶回饋，與客服效率的變化，也將成為衡量此模式成功與否的重要指標。

### 總結：AI 平台化時代的關鍵一步

整體而言，阿里千問向第三方 Agent 開放，代表中國大模型產業正從「技術軍備競賽」進入「生態應用競賽」。如同當年智慧型手機的 App Store 催生無數創新服務，AI 模型的 Agent 市集也可能在未來數月內迅速成熟。瑞幸、肯德基等品牌的率先投入，不僅為自身搶占先機，也為其他企業示範了如何將 AI 能力嵌入既有業務。對一般使用者而言，這意味著我們與 AI 的互動將變得更具體、更貼近生活，而不只是抽象的文字對話。接下來的關鍵，在於這些服務能否如預期般順暢運行，以及用戶是否願意在 AI 平台上授權自己的消費行為。

原始來源：IT之家 ↗

查看原始來源

TechWebAI Agent

網易有道全面向AI轉型全場景Agent矩陣亮相圖博會

{"id":"39ef5947-b77a-4904-bf03-ff6264f08dc4","object":"response","model":"deepseek-v4-flash","output":[],"stop_reason":"max_output_tokens","usage":{"input_tokens":154,"output_tokens":200,"total_tokens":354}}

剛剛閱讀分析

Hugging Face BlogAI Agent

MosaicLeaks: Can your research agent keep a secret?

Back to Articles MosaicLeaks: Can your research agent keep a secret? Enterprise Article Published June 18, 2026 Upvote - Alexander Gurung agurung Follow ServiceNow Rafael Pardinas rafapi-snow Follow ServiceNow TL;DR Deep research agents increasingly combine private local documents with external tools like web retrieval, creating a privacy risk: an agent's external queries may leak sensitive information. MosaicLeaks proposes a new deep-research task with multi-hop questions that interleave public and private information. Across the models we tested, agents frequently leaked private information, and training only for task performance made it worse. We propose a mosaic-leakage-aware RL training method, Privacy-Aware Deep Research (PA-DR), which raises strict chain success (the share of chains

16 小時前閱讀分析