2026 云栖大会 · 决策智能与垂直 Agent 专场 | 演讲人：尹俊希（贝壳首席算法科学家） | 主题：贝壳房产认知决策智能的构建：Harness与AI自进化的技术实践
核心洞察 ：大模型落地高价值垂直产业的最大鸿沟，在于从表层的'信息检索连接（有什么）'跨越到深层的 '高阶认知决策支持（适合什么）'。在 2026 云栖大会上，贝壳首席算法科学家尹俊希系统拆解了贝壳自研房产 Agent 的全栈演进之路：以'居住生活目标'彻底重构搜索范式，接入阿里云千问平台打造'Qwen-Max（决策中枢）+ Qwen-Flash（高效认知引擎）'双模型协同体系，构建可信、可控、可验证的工业级 Agent Harness 运行底座。更关键的是，贝壳团队将 Harness 升维为交互模拟环境（Harness-as-Environment），通过高质量长思维链（CoT）轨迹合成与强化学习（RL）后训练，驱动智能体打通从线上真实反馈到长尾主动学习（Human-on-the-loop）的'双进化飞轮'，树立了产业级 AI 从提示词工程迈向自进化认知的技术标杆。
01 范式跃迁：从'房源信息匹配'走向'高价值决策智驾'
尹俊希首先剖析了房产交易决策的特殊性：低频、高客单价、极度长周期且涉及多维度家庭权衡。传统互联网平台依赖"关键词检索与多字段组合筛选"，但当信息获取越来越容易时，单纯提供更多房源信息反而造成了严重的用户认知过载：
- 信息连接（连接"有什么"）：传统搜索的本质是数据库字段匹配。用户必须先知道专业参数（如"板楼、朝南、容积率、满五唯一"），系统仅机械回答"库里有什么"，本质是冷冰冰的数据罗列。
- 需求理解（解答"适合什么"）：真实用户的表达往往是模糊的生活愿景："想在海淀买套带学区、通勤 40 分钟以内、周末能带老人散步的三居"。Agent 必须能理解条件背后的真实居住诉求，把生活目标翻译为决策约束。
- 决策支持（权衡"怎么选"） ：长周期置业没有完美房源，必须在预算、通勤、教育、户型之间取舍。Agent 的真正价值在于解释差异、辅助权衡、提供推演预测，充当购房者的"智驾领航员"。
贝壳提出决策智能服务的四大转变方向：
从静态到动态 ：突破静态房源页面展示，基于用户动态追问与权衡取舍实时推演不同选房方案的长期居住体验与资产流动性。
从孤立到关联 ：不再把房源、小区、商圈割裂，而是串联"上班通勤路线、学区政策变动、周边医疗商业、未来城市规划"构建全域居住图谱。
从短期到长期 ：不局限于单次会话促成留资，而是跨越数月乃至半年的置业全生命周期，持续沉淀用户画像与偏好演变。
从冗余到精简：告别千篇一律的房源列表瀑布流，通过深度认知推理生成定制化比对报告，精准收敛决策空间。
02 双模型协同中枢：阿里云千问 Qwen-Max 与 Qwen-Flash 的分层调度
在算法工程架构上，垂直 Agent 既需要极高智商的复杂逻辑推理，又必须兼顾高频对话与实时交互的吞吐和延迟要求。贝壳在接入阿里云千问 AI 平台后，设计了创新的双模型协同与分层调度体系：
| 模型定位 | 底座选型 | 核心职责与任务特征 | 技术实现与性能考量 |
|---|---|---|---|
| 决策中枢模型(Central Brain) | Qwen-Max | 负责多轮交互规划、复杂业务工具调用编排、跨板块/小区/学校/交通多源信息的综合权衡分析，生成高可信的最终决策建议与研报表达。 | 专注高推理深度与逻辑严密性，确保 Grounding 的准确率与专业严谨度，杜绝虚假幻觉。 |
| 认知与执行引擎(Cognitive Engine) | Qwen-Flash | 承担海量高频调用任务：实时抽取与刷新用户画像、Query 意图分类与改写、结构化参数填充与快速过滤、Batch Benchmark 离线批量评估。 | 具备极致的推理速度与超低 Token 成本，高吞吐支撑海量全天候会话过滤与后台记忆蒸馏。 |
通过这套双模型协同策略，系统把复杂的"多跳推理、多源信息综合"集中在 Qwen-Max，而将高频的"意图解析、参数抽取、初级路由"下沉至 Qwen-Flash，在保证顶级专业度的同时，实现了工程效能与 API 成本的极致均衡。
03 工业级运行底座：贝壳 Agent Harness 工程核心攻坚
尹俊希着重指出，学术界 Demo 与工业级生产系统的分水岭，在于是否拥有强大的 Agent Harness（智能体运行底座与测试脚手架）。缺乏 Harness 的 Agent 犹如脱缰野马，面临上下文膨胀、状态丢失与偶发幻觉：
- 状态管理与白盒化追踪（Observability）：为长程交互建立全链路白盒化状态机。每一次工具调用入参、模型推理中间思考（Thought）、环境返回结果与分支转移均全程落盘留痕，彻底消除黑盒偶发故障，做到随时可审计、可断点重放。
- 上下文工程与精准动态压缩（Context Filter）：随着对话轮次增加，海量工具调用返回的原始 JSON 数据极易挤占上下文窗口造成"注意力腐烂"。Harness 动态执行冗余过滤与结构化语义压缩，仅提炼核心决策因子注入后续 Prompt。
- Case 结构化沉淀与回归评测（Benchmark Loop）：建立自动评测与反馈机制。当线上发生偏离或用户负向反馈时，系统自动捕获交互轨迹并提炼为结构化 Badcase，沉淀入持续更新的 Benchmark 评测集，任何新模型上线必须通过严苛回归校验。
这套 Harness 底座让贝壳房产 Agent 从早期偶发漂移的试验品，演进为具备**"可验证、可观测、可对齐、可回归"** 工业级可靠性的生产系统。
04 自进化跃迁：Harness-as-Environment 与强化学习后训练
随着业务复杂度加深，贝壳算法团队遇到了所有行业 Agent 面临的瓶颈：仅依靠系统提示词（Prompting）和少样本监督微调（SFT 纯模仿蒸馏），无法让模型掌握超越人类平均水平的复合决策能力 。贝壳由此开辟了 Harness-as-Environment（将 Harness 升维为交互仿真环境）与强化学习（RL）后训练的技术路径：
领域知识注入 Harness ：将贝壳多年积累的房产经纪流程、签约合规规则、房源带看 SOP、税费贷款政策全面显性化编码，嵌入 Harness 成为动态规则校验器。
高质量长思维链（CoT）轨迹合成 ：基于真实业务脱敏数据与规则约束，离线合成包含复杂业务逻辑推演、工具调用试错与反思回溯的高质量多轮决策轨迹。
Harness-as-Environment 强化交互 ：把整个 Harness 环境封装为标准的强化学习交互环境（Gym 风格），智能体在其中自主探索调用工具并接收来自环境的环境反馈与奖励信号。
算法 × Infra 协同突破：攻克多轮 Agent 强化学习环境交互慢、吞吐低的核心痛点，联合阿里云优化分布式训练架构与并发模拟环境，实现复杂任务上的策略自演进。
这一突破让智能体跳出了对固定模版话术的刻板模仿，学会在面对复杂房产约束时进行长程推演与多步反思，显著提升了跨周期推荐与深度咨询的准确率。
05 终极技术壁垒：真实反馈驱动的'双进化飞轮'与持续学习
在演讲的最后，尹俊希揭示了贝壳在认知决策领域沉淀的核心壁垒------线上真实反馈驱动的"双进化飞轮"（Dual-Evolution Flywheel）：
- 飞轮 A：短期自适应进化（Fast Loop · 线上数据闭环）：依托每日海量真实用户的会话流、方案采纳率、卡片点击以及多轮反馈，快速识别当前热门商圈、时效政策变化与高频意图波动，驱动在线路由策略与动态提示词的敏捷自适应优化。
- 飞轮 B：长尾主动学习（Deep Loop · Human-on-the-loop）：针对涉及家庭纠纷权衡、特殊产权税费、极端个性化诉求等长尾长难 Case，机制自动捕获并触发资深房产专家（人机协同）进行策略标定与高质量轨迹重构，反哺进 Harness 仿真环境并定期触发基座模型与策略网络的强化学习增量迭代。
尹俊希总结道：通用大模型提供了基础的理解与语言能力，但真正的商业价值在于领域认知智能的深度组织。通过'Harness 工程底座 + 环境化强化学习 + 双进化飞轮'，贝壳正在将数十万顶级经纪人的专业隐性知识沉淀为可规模化复制、可自主进化的决策智能体，重塑未来居住服务产业的生产力格局。
来源：2026 云栖大会 尹俊希 主旨演讲《贝壳房产认知决策智能的构建：Harness与AI自进化的技术实践》。内容经专业技术整理、系统化拆解与架构剖析，仅供技术交流与学习参考。